Vous êtes sur la page 1sur 131

UNIVERSITE CATHOLIQUE DE LOUVAIN

LOUVAIN SCHOOL OF MANAGEMENT

ANALYSE DES STRATÉGIES DE F&A ET DE LEUR IMPACT SUR LA


PERFORMANCE FINANCIÈRE ET L’INNOVATION :
ÉTUDE DE CAS DES BIG PHARMA ENTRE 2004 ET 2013

Promoteur : Prof. R. Coeurderoy Mémoire-recherche présenté par


Bertrand Ribonnet

en vue de l'obtention du titre de


Master en ingénieur de gestion

ANNÉE ACADÉMIQUE 2014-2015


ii.

ANALYSE DES STRATÉGIES DE F&A ET DE LEUR IMPACT


SUR LA PERFORMANCE FINANCIÈRE ET L’INNOVATION:
ÉTUDE DE CAS DES BIG PHARMA ENTRE 2004 ET 2013
iii.
iv.

La première personne que je souhaite remercier est mon promoteur de mémoire, le


professeur Régis Coeurderoy pour ses directives, ses encouragements, son
optimisme et sa disponibilité aux moments clés de la réalisation de ce mémoire.

Je tiens également à remercier les autres professeurs qui ont contribué à faire de ce
travail une réussite, en particulier le professeur de finance Thomas Lambert pour son
temps et ses judicieux conseils.

Une pensée pleine de gratitude va également envers ma relectrice et mère, Martine


Banneux.

Enfin, de manière plus générale, un grand merci à ceux qui m’ont soutenu tout au
long de mes études et qui ont fait de ces cinq années à Louvain-la-Neuve une
expérience inoubliable: mes amis, cokoteurs, collègues de travaux de groupe,
parents et grands-parents.
v.
vi.

TABLE DES MATIÈRES

AVANT-PROPOS .................................................................................................................. iv.

TABLE DES MATIÈRES.......................................................................................... vi.

INTRODUCTION ....................................................................................................... 3.

PARTIE I: REVUE DE LITTÉRATURE................................................................. 7.

Chapitre I.1. Les F&A comme solution au problème de croissance............................... 7.

I.1.1. Définition des F&A .................................................................................................. 7.


I.1.2. Typologie des F&A .................................................................................................. 8.
I.1.3. Les F&A comme un choix face à d’autres formes de croissance .......................... 11.

Chapitre I.2. Motivations de l’acquéreur pour entreprendre une F&A...................... 15.

I.2.1. Les synergies industrielles et/ou commerciales..................................................... 15.


I.2.2. Les synergies financières ....................................................................................... 16.
I.2.3. La sous-évaluation de la cible ............................................................................... 17.
I.2.4. L’acquisition de parts de marché .......................................................................... 18.
I.2.5. Le remplacement d’une équipe dirigeante incompétente ...................................... 18.
I.2.6. L’intérêt personnel des dirigeants ......................................................................... 18.
I.2.7. Autres ..................................................................................................................... 19.

Chapitre I.3. Description des F&A dans le cadre de l’industrie pharmaceutique...... 21.

I.3.1. Structure de l’industrie pharmaceutique ............................................................... 21.


I.3.2. Tendances macroéconomiques expliquant le recours aux F&A............................ 22.

Chapitre I.4. Effets des F&A sur la performance .......................................................... 31.

I.4.1. Effets des F&A sur la performance financière ...................................................... 31.


I.4.2. Effets des F&A sur la performance R&D .............................................................. 35.
I.4.2.1. Effets des F&A sur l’intensité de la R&D ...................................................... 36.
I.4.2.2. Effets des F&A sur la productivité de la R&D ............................................... 39.

PARTIE II: HYPOTHÈSES DE RECHERCHE, DONNÉES ET


MÉTHODOLOGIE ................................................................................................... 47.

Chapitre II.1. Développement des hypothèses de recherche......................................... 47.

Chapitre II.2. Données brutes .......................................................................................... 49.

II.2.1. Base de données de F&A...................................................................................... 49.


II.2.2. Mesure de la performance R&D des entreprises acquéreuses............................. 52.
II.2.3. Mesure de la performance financière des entreprises acquéreuses..................... 52.
vii.

Chapitre II.3. Méthodologie ............................................................................................. 53.

II.3.1. Effet des F&A sur la performance financière ...................................................... 53.


II.3.2. Effet des F&A sur l’intensité de la R&D.............................................................. 55.

PARTIE III : RÉSULTATS ET DISCUSSION...................................................... 59.

Chapitre III.1. Stratégies des Big Pharma...................................................................... 59.

III.1.1. L’industrie pharmaceutique : une industrie plus spécialisée.............................. 59.


III.2.2. L’industrie pharmaceutique : une industrie plus concentrée.............................. 61.

Chapitre III.2. Effet des F&A sur la performance financière ...................................... 63.

III.2.1. Hypothèses 1&2 .................................................................................................. 63.


III.2.2. Résumé des principaux résultats et limites ......................................................... 65.

Chapitre III.3. Effet des F&A sur l’intensité de la R&D............................................... 67.

III.3.1. Hypothèse 3 ......................................................................................................... 67.


III.3.2. Hypothèse 4 ......................................................................................................... 71.
III.3.3. Hypothèse 5 ......................................................................................................... 72.
III.3.4. Résumé des principaux résultats et limites ......................................................... 74.

CONCLUSION ET PERSPECTIVES..................................................................... 77.

BIBLIOGRAPHIE..................................................................................................... 81.

ANNEXES .................................................................................................................. 95.


1.

« Companies spend more than $2 trillion on acquisitions every year. Yet study
after study puts the failure rate of mergers and acquisitions somewhere between
70% and 90% » (Christensen et al., 2011).

« A recent study found that almost one-third of the acquired firms are eventually
divested » (Hitt et al., 1991, p.23)
2.
3.

INTRODUCTION

Ce mémoire s’articule autour de la problématique de la création de valeur des opérations de


fusions et acquisitions (ci-après notées F&A). En d’autres termes, mon travail contribue à
répondre à la question suivante : les opérations de F&A, mode de croissance par excellence,
sont-elles réellement créatrices de valeur ? Le succès d’une fusion-acquisition peut se mesurer
selon plusieurs dimensions : intégration structurelle, amélioration des revenus ou de la
profitabilité, rendement boursier pour les investisseurs ou encore innovation subséquente. Ce
sont ces deux derniers indicateurs qui vont m’intéresser. En effet, ils permettent de mesurer la
performance des F&A dans le court terme via la réaction des marchés financiers et dans le
long terme via les innovations subséquentes. Ces indicateurs permettent également d’aborder
la création de valeur à la fois directement pour l’actionnaire et indirectement via une
amélioration de la position commerciale de la société.
En particulier, trois sous-questions de recherche ressortent :

- Comment les F&A ont-elles contribué à remodeler le paysage de l’industrie


pharmaceutique ?
- Existe-t-il un rendement financier anormal lié à l’annonce de l’acquisition pour
l’actionnaire de la firme acquéreuse ?
- Quel est l’impact de la croissance au moyen des F&A sur les investissements
subséquents en R&D ?

Ce travail est donc pluridisciplinaire : la stratégie, la finance, l’innovation, les statistiques, la


théorie des organisations sont autant de thèmes abordés. Ce choix est en ligne avec
l’ouverture du cursus d’ingénieur de gestion et en constitue l’achèvement.

« Build, borrow or buy ». Le titre du livre écrit par Capron et Mitchell (2012) résume bien à
lui seul le dilemme que connaît toute entreprise cherchant à croître: où trouver les ressources
nécessaires à la croissance de la firme ? Est-il préférable de les développer en interne, les
emprunter via des alliances ou licences ou bien les acheter ? Dans le cadre de ce mémoire,
c’est principalement la partie « buy » qui va retenir notre attention. En effet, « une fusion ou
acquisition est un moment extraordinaire dans la vie d’une entreprise lui permettant souvent
de doubler sa taille initiale en quelques mois » (Andrade et al., 2001) [Notre traduction].
4.

L’Institute of Mergers, Acquisitions and Alliances (IMAA) affirme que la dernière décennie a
connu une activité de F&A sans précédent depuis le milieu des années 1980. Le marché
mondial des F&A atteint régulièrement 40.000 transactions par an depuis 2006, niveau qui
n’avait encore jamais été atteint précédemment (IMAA, 2015). Ces résultats, visibles à la
Figure 1, mettent en lumière l’importance croissante que prennent les F&A et l’analyse de
leur gestion. Ces opérations deviennent donc un moyen de croissance privilégié des managers.
Toutefois, comme le souligne la citation ouvrant ce mémoire, les F&A restent une entreprise
risquée présentant de faibles taux de réussite. Les auteurs n’ont pas hésité à les qualifier de
« poison pill » (Hitt et al., 1991) et les gouvernements à les décourager via diverses
restrictions financières et fiscales (Auerbach, 1988).

Figure 1 : Evolution du nombre de F&A et des montants engagés dans le monde depuis 1985

Source : IMAA (2015)

Ensuite, pourquoi avoir privilégié le secteur pharmaceutique ? Il existe trois raisons à cela.
Premièrement, les firmes pharmaceutiques font partie des plus actives en matière de fusions et
acquisitions. En termes de nombre de transactions, ce secteur a connu une évolution similaire
à celle présentée à la Figure 1. La Figure 2 illustre ce mouvement à partir de 2003. De plus,
une étude menée par KPMG auprès de 735 exécutifs montre que 84% de ces derniers pensent
que l’industrie du « Healthcare, pharmaceuticals and life sciences » sera la plus active sur le
marché des F&A en 2015 (KPMG, 2015). Deuxièmement, en conséquence du point
5.

précédent, une large littérature s’est déjà intéressée au secteur, ce qui permet d’avoir un
important corpus d’informations disponible. Enfin, l’industrie pharmaceutique est en pleine
mutation en termes technologique et de génération des revenus. Il existe donc une opportunité
d’enrichir la littérature.

Les activités de F&A dans l’industrie pharmaceutique entre 2004 et 2013 constituent donc un
cadre d’étude idéal pour ce mémoire.

Figure 2 : Evolution du nombre de F&A et des montants engagés dans l’industrie


pharmaceutique et biotechnologique depuis 1985

Source : IMAA (2015)

La méthodologie poursuivie est assez classique. J’ai commencé par construire une base de
données des F&A réalisées par neuf leaders de l’industrie pharmaceutique entre 2004 et 2013.
Ce fichier reprend les principales caractéristiques de chaque transaction. Son analyse m’a
permis de comprendre l’évolution structurelle de l’industrie. J’ai ensuite utilisé l’échantillon
ainsi construit pour calculer les rendements boursiers anormaux liés à l’annonce de
l’acquisition. Enfin, j’ai recyclé cette base de données pour établir un calcul de corrélation
entre les activités de F&A d’une firme et l’intensité de la R&D qui en découle. Le détail des
différentes méthodologies fait l’objet de la seconde partie du mémoire.
6.

Ce mémoire s’inscrit dans la lignée d’une large littérature relative à l’impact des F&A sur la
performance financière et l’innovation. En général, les auteurs se focalisent cependant sur
l’un ou l’autre thème. Je contribue donc à enrichir cette littérature en proposant une étude de
synthèse. A cet égard, la partie théorique se veut la plus exhaustive possible. Une seconde
contribution de mon travail est de vérifier l’occurrence des résultats de différents auteurs au
sein d’un échantillon particulier : les plus grosses entreprises pharmaceutiques mondiales.
D’une part, je confronte les études multi-sectorielles au contexte d’une industrie
pharmaceutique hautement technologique ; d’autre part, les auteurs s’intéressant déjà à
l’industrie pharmaceutique trouvent ici une application spécifique aux firmes de grande taille.
Une synthèse théorique et une spécification empirique sont donc les deux principales
contributions de mon travail.

Le plan du mémoire s’articule autour de trois grandes parties. Une première couvre la
littérature existante. Celle-ci est segmentée en trois chapitres. Le premier présente les F&A
dans un cadre général. Le second s’intéresse aux mutations de l’industrie pharmaceutique et à
la contribution des F&A dans cette évolution. Le dernier parcourt les articles relatifs à
l’impact des transactions sur la performance financière et l’innovation. La deuxième partie
introduit formellement les hypothèses de recherche, la procédure de collecte des données ainsi
que la méthodologie poursuivie. Enfin, la dernière partie discute les résultats obtenus et
amène une réflexion personnelle relative à ceux-ci. Le mémoire se referme sur une conclusion
critique et des pistes de réflexion futures.
7.

PARTIE I : REVUE DE LITTÉRATURE

Chapitre I.1. Les Fusions & Acquisitions comme solution au problème de


croissance

I.1.1. Définition des Fusions & Acquisitions

Lorsque l’entreprise opte pour la solution d’achat des ressources convoitées, le moyen
privilégié est les F&A. Mucherie (s.d.) en fournit une définition :

« Les fusions entre entreprises aboutissent à ce qu'une entreprise A et une entreprise B créent
une entreprise AB (cas d'une fusion entre égaux) ou Ab ou aB (la fusion asymétrique) ou C
(la fusion est parfois l'occasion de changer de nom, voire d'activité). […] Elles se font le plus
souvent via une offre publique d'achat (OPA) et doivent être distinguées des simples prises de
participation. »

Il est possible de trouver bien d’autres définitions vulgarisées de ce type sur Internet. Par
contre, aucune définition légale ne semble émerger. La raison est simple : bien que souvent
confondus, les termes « fusion » et « acquisition » regroupent deux réalités juridiques
différentes. En droit belge, on distingue deux types de fusion : la fusion par absorption (ou
acquisition) et la fusion par constitution d’une nouvelle société (plus généralement appelée
« fusion »). Le code des sociétés définit ces termes tour à tour :

« La fusion par absorption est l’opération par laquelle une ou plusieurs sociétés transfèrent à
une autre société, par suite d’une dissolution sans liquidation, l’intégrité de leur patrimoine,
activement et passivement, moyennant l’attribution à leurs associés d’actions ou de parts de
la société absorbante […]. » (Article 671 du Code des sociétés).

« La fusion par constitution d’une nouvelle société est l’opération par laquelle plusieurs
sociétés transfèrent à une nouvelle société qu’elles constituent, par suite de leur dissolution
sans liquidation, l’intégralité de leur patrimoine, activement et passivement, moyennant
l’attribution à leurs associés d’actions ou de parts de la nouvelle société […]. » (Article 672
du Code des sociétés).
8.

Bien qu’assez proches, ces définitions recèlent cependant une différence de taille. En effet,
alors que la fusion par absorption entraine la fin de la personnalité juridique de la société cible
seulement, la fusion par constitution d’une nouvelle société met fin à celle de tous les acteurs
pour voir naître une nouvelle personnalité juridique indépendante.

Je précise que dans les opérations de F&A, l’ensemble du périmètre de la société cible est
impliqué. Ce type de restructuration d’entreprise donne donc souvent lieu au
désinvestissement de ressources inutiles à la nouvelle société (car redondantes ou non-
stratégiques). On parle ici d’apport de branche d’activités1, dont la définition légale est la
suivante :

« L’apport d’une branche d’activités est l’opération par laquelle une société transfère, sans
dissolution, à une autre société une branche de ses activités ainsi que les passifs et les actifs
qui s’y rattachent, moyennant une rémunération consistant exclusivement en actions ou parts
de la société bénéficiaire de l’apport ». (Article 679 du Code des sociétés).

Dans le cadre de ce mémoire, nous utiliserons la définition qui suit : une F&A est une
opération stratégique par laquelle une entreprise acquiert une participation suffisante dans une
autre entreprise pour lui donner le contrôle2 sur cette dernière.

I.1.2. Typologie des Fusions & Acquisitions

La manière classique d’aborder la typologie des opérations de F&A repose sur la


classification de la Federal Trade Commission (FTC), l’agence fédérale américaine en charge
de la protection des droits du consommateur et du contrôle des pratiques commerciales
anticoncurrentielles3. Elle distingue quatre formes principales de F&A (Risberg, 1999) :

1
« Constitue une branche d’activités un ensemble qui du point de vue technique et sous l’angle de
l’organisation, exerce une activité autonome, et est susceptible de fonctionner par ses propres moyens ». (Article
680 du Code des sociétés).
2
Tel que définit dans l’Article 5 §2 du Code des sociétés. En particulier: « le contrôle est de droit et présumé de
manière irréfragable [...] lorsqu'il résulte de la détention de la majorité des droits de vote attachés à l'ensemble
des actions, parts ou droits d'associés de la société en cause ».
3
Federal Trade Commission. (2014, septembre 25). Wikipedia, l’encyclopédie libre. Page consultée le avril 12,
2015, à partir de http://fr.wikipedia.org/wiki/Federal_Trade_Commission.
9.

• Les F&A horizontales : il s’agit d’ « une fusion qui se passe entre des firmes actives
dans la même industrie. Les fusions horizontales sont une consolidation du business
entre des entreprises qui opèrent dans le même espace, souvent en tant que
compétiteurs offrant le même bien ou service. »4 [Notre traduction]
• Les F&A verticales : il s’agit d’ « une fusion entre deux ou plusieurs firmes
produisant différents biens ou services pour un produit fini spécifique. On assiste à
une fusion verticale quand deux ou plusieurs firmes opérant à des niveaux différents
de la filière industrielle combinent leurs opérations. »5 [Notre traduction]
• Les F&A concentriques : il s’agit d’une opération où « les deux firmes sont dans la
même industrie, mais n’ont pas d’acheteurs/de clients mutuels ou de relations de
client-fournisseur […] » (Giddy, 2009) [Notre traduction]
• Les F&A conglomérales : il s’agit d’une opération où « les deux firmes opèrent dans
des industries différentes. » (Giddy, 2009) [Notre traduction]

Larsson (cité par Risberg, 1999) illustre la typologie de la FTC tout en l’enrichissant par
l’introduction de types intermédiaires. Visuellement, il représente sa classification dans un
format proche de la matrice d’Ansoff (Figure 3). Cette classification a été critiquée par
Howell (1970) pour son manque de clarté et de connexion avec les raisonnements pratiques
des managers. En effet, la distinction entre acquisitions horizontales et verticales dépendra
entre autres du degré de précision avec lequel les industries sont définies. Pour pallier à ce
problème, Gugler et al. (2003) ainsi que Hijzen et al. (2008) proposent d’utiliser les quatre
premiers chiffres du code SIC6 comme critère de différenciation. Ce critère est simple à
appliquer. Cependant, il traite toutes les firmes comme étant mono-produit alors que la
plupart des F&A sont initiées par des firmes multi-produits (Jenniges, 2013). Pour preuve,
l’auteur cité trouve dans des données relatives aux F&A que 70% des acquéreurs sont actifs
dans plusieurs secteurs. Afin de remédier à cela, Alfaro et Charlton (2009) se basent sur un
panel pouvant atteindre six codes différents par firme. Le degré de recouvrement des codes
entre l’acquéreur et la cible déterminera la nature verticale ou horizontale de l’opération. Dans
un article récemment présenté, Frésard et al. (2015) utilisent une nouvelle technique pour
mesurer le degré de relation verticale entre les firmes. Ils collectent les descriptions de

4
Horizontal Merger. Investopedia. Page consultée le avril 26, 2015, à partir de
http://www.investopedia.com/terms/h/horizontalmerger.asp.
5
Vertical Merger. Investopedia. Page consultée le avril 26, 2015, à partir de
http://www.investopedia.com/terms/v/verticalmerger.asp.
6
Standard Industrial Classification
10.

produits fournies par les entreprises dans les formulaires 10-K soumis à la Securities and
Exchange Commission (SEC) et analysent ensuite les mots utilisés pour les lier dans des
relations verticales.

Figure 3 : Adaptation par Larsson de la typologie des F&A de la FTC

Source : Risberg (1999, p.6)

Howell (1970) propose en réponse une nouvelle classification basée sur le type de stratégie de
croissance poursuivie :
• Marketing : il existe un lien entre les marché sur lesquels les deux firmes sont
présentes.
• « Manufacturing » : il existe un lien entre les produits vendus par les deux firmes.
• Financière : il n’existe aucun lien de produit ou de marché entre les deux compagnies.

Capron et Mitchell (2012) soutiennent la découpe suivante et commentent :


• Les « exploitative acquisitions » : ce sont les opérations qui permettent un
renforcement du core business sur les marchés existants. Les ressources acquises
autorisent la poursuite de nouvelles opportunités dans ces marchés. La détermination
des ressources à combiner est ici en général assez aisée.
• Les « extension acquisitions » : permettent le développement du business actuel sur de
nouveaux marchés ou bien l’extension des activités sur les marchés actuels. Il s’agit
ici d’un cas intermédiaire.
• Les « exploratory acquisitions » : ce sont celles qui permettent l’exploration de
nouveaux espaces concurrentiels (nouveaux business models, innovations de rupture,
11.

etc.). Ici, l’identification des ressources à combiner est particulièrement délicate car
ces nouvelles activités peuvent inclure des ressources qui ne sont pas toujours
clairement comprises.

La littérature tend à opposer les motivations industrielles et financières lorsqu’il s’agit


d’établir des catégories. Heldenbergh (2000) nuance ces propos. En effet, elle avance qu’un
examen approfondi des motivations de l’acquéreur érode les frontières entre logiques
industrielle (les « stratèges ») et financière (les « prédateurs »). Effectivement, les prédateurs
vont la plupart du temps commencer par se séparer des actifs qui ne leur sont d’aucune utilité
mais vont également conserver ceux manifestant un potentiel de synergie qui pourrait
renforcer la cible. De leur côté, les stratèges peuvent être amenés à rationnaliser leurs
ressources d’une part afin de se recentrer sur les activités de base et d’autre part pour dégager
des fonds qui leur permettront de réduire l’endettement contracté (Heldenbergh, 2000).

Enfin, il existe encore une multitude d’autres segmentations, moins intéressantes dans notre
contexte. Citons parmi d’autres le découpage selon le caractère amical ou hostile de l’offre
(Méreaux, 2011).

I.1.3. Les F&A comme un choix face à d’autres formes de croissance

La décision d’opérer une F&A ne peut toutefois pas être analysée comme une finalité en soi,
mais doit s’apprécier en comparaison avec d’autres solutions de croissance, à savoir « build or
borrow » (Capron et Mitchell, 2012). Les fusions et acquisitions sont un outil, une tactique
réactive, unique à la situation concernée. Elles constituent la traduction de la stratégie et ne se
substitue en aucun cas à cette dernière (Morrissette, 2012). La typologie de Capron et
Mitchell (2012) distingue trois autres formes de croissance: la croissance organique ainsi que
l’emprunt de ressources externes via des contrats ou des alliances. La croissance organique est
définie de la manière suivante : « l’expansion des opérations d’une firme sur base de ses
propres ressources (générées en interne), sans avoir recours à des emprunts ou à
l’acquisition d’autres firmes7 » [Notre traduction]. En ce qui concerne les contrats, Capron et
Mitchell (2012, p.68) les présentent comme « des droits spécifiques à une ressource grâce à
un accord de vente, ou des droits plus limités grâce à une licence » [Notre traduction].

7
Organic growth. BusinessDictionary. Page consultée le mai 17, 2015, à partir de
http://www.businessdictionary.com/definition/organic-growth.html.
12.

Enfin, les alliances sont définies par Yoshino et Rangan (1995, p.4-5) comme étant la réunion
de trois caractéristiques nécessaires et suffisantes:

• « Les firmes (deux ou plusieurs) qui s’unissent pour poursuivre une série d’objectifs
préétablis restent indépendantes suite à la formation de l’alliance ;
• Les firmes partenaires se partagent les bénéfices de l’alliance et le contrôle de la
performance des tâches à accomplir – peut-être la caractéristique la plus distinctive
des alliances et celle qui les rend difficile à gérer ;
• Les firmes partenaires contribuent de manière continue à une ou plusieurs
composantes stratégiques, e.g. la technologie, les produits, etc. » [Notre traduction].

Gulati (1998, p.293) définit les alliances plus simplement comme étant « des arrangements
volontaires entre firmes impliquant l’échange, le partage ou le co-développement de produits,
de technologies ou de services » [Notre traduction].

Le manager qui souhaite faire croître son business doit donc effectuer un choix entre ces
différentes sources de croissance. Comment ? Le paragraphe suivant présente le cadre de
décision proposé par Capron et Mitchell (2012) dans leur livre « Build, borrow or buy ».

Selon Capron et Mitchell (2012), les firmes évoluent dans un environnement de plus en plus
changeant et compétitif, où elles doivent constamment analyser les ressources qui leur
manquent et combler ce déficit en interne ou en externe. Mais faire le choix d’une source de
croissance n’est pas anodin. Les auteurs font deux remarques : premièrement, les firmes ont
tendance à privilégier le mode de développement qu’elles ont toujours utilisé ; deuxièmement,
les firmes passent plus de temps à identifier les ressources nécessaires qu’à déterminer le bon
moyen de se les approprier. Et pourtant, sélectionner la bonne voie peut être source
d’avantage concurrentiel, ou du moins peut éviter des complications en aval. Notons que le
mode de développement adéquat sera différent pour chaque entreprise et pour une même
entreprise, selon la situation. Le cadre étudié par Capron et Mitchell (2012) s’organise autour
de quatre questions fondamentales à aborder dans cet ordre chronologique :

1. Les ressources internes sont-elles suffisantes?


La croissance organique présente l’avantage d’un contrôle total ainsi que d’une intégration
rapide et facilitée. D’après les auteurs, le développement en interne sera la solution idéale
lorsque les ressources convoitées sont proches des ressources existantes (sans toutefois les
13.

menacer) et l’acquéreur dispose de meilleures capacités que ses concurrents pour les
développer.

2. Les ressources visées peuvent-elles faire l’objet d’un échange commercial ?


Les contrats sont un bon compromis dans la mesure où ils permettent d’éviter les coûts
d’intégration liés à l’acquisition d’une autre entreprise et la gestion complexe d’une alliance.
Cette forme de collaboration est pourtant souvent négligée. Elle sera privilégiée lorsque les
ressources ciblées peuvent être clairement définies et explicitement protégées (Capron et
Mitchell, 2012).

3. Quel degré de proximité adopter par rapport à son partenaire ?


Les alliances sont une forme plus proche de collaboration que les contrats. Elles sont aussi la
source d’un paradoxe : d’une part elles sont attirantes car moins couteuses et plus flexibles
que les acquisitions ; mais d’autre part, les managers s’en méfient de peur que les intérêts
communs justifiant la création de l’alliance ne se transforment en une rivalité future (Capron
et Mitchell, 2012). En d’autres mots, les alliances mettent en lumière un tiraillement entre
coopération et compétition (Hamel, 1991 ; Coutinet et Abecassis, 2008a). La question de la
confiance est donc la pierre angulaire des alliances. Par extension se pose la question de la
proximité à adopter avec le partenaire. Cette décision est cruciale. En effet, des formes de
collaboration intensive (e.g. les joint venture) ont un effet positif sur l’innovation subséquente
alors que des formes plus lâches (e.g. les contrats de licence) mettent en lumière un effet
neutre (Anand et Khanna, 2000 ; Hagedoorn et Schakenraad, 1994). Capron et Mitchell
(2012) conseillent de former une alliance lorsque le périmètre de collaboration est limité (e.g.
une coordination verticale avec un acteur en charge de la R&D et l’autre de la
commercialisation) et les objectifs des deux entités sont compatibles.

4. Peut-on intégrer la cible ?


Les acquisitions, de par les coûts élevés et les nombreux défis qu’elles soulèvent, doivent être
considérées en dernier recours, lorsque les contrats ou alliances ne fournissent pas de résultats
satisfaisants (Capron et Mitchell, 2012). Un de ses principaux désavantages est le fait que
l’acquéreur ne peut pas sélectionner uniquement les ressources dont il a besoin chez sa cible :
celle-ci constitue un package dans lequel beaucoup de ressources sont non-stratégiques et
doivent donc être restructurées ou désinvesties. La difficulté majeure à surmonter lors d’une
acquisition est l’intégration de la structure alien au sein de l’organisation. Selon Capron et
14.

Mitchell (2012), on aura recours à l’acquisition lorsque le processus d’intégration peut faire
l’objet d’une planification et assurer la rétention des employés-clés.

Si, arrivé au bout de l’arbre de décision, aucune forme de croissance ne semble adaptée, il
faudra parfois se résoudre à abandonner cette opportunité et réviser sa stratégie.

La figure 4 synthétise l’arbre de décision présenté ci-dessus.

Figure 4 : Quel mode de croissance adopter ? Structure proposée par Capron et Mitchell

Source : Capron et Mitchell (2012)


15.

Chapitre I.2. Motivations de l’acquéreur pour entreprendre une F&A

Heldenbergh (2000) recense six grandes catégories de motivation des acquéreurs pour lancer
une Offre Publique d’Acquisition (OPA). La structure de l’auteur précitée est reprise telle
quelle ci-dessous. Les explications peuvent quant à elles être complétées grâce au travail
d’autres auteurs.

I.2.1. Les synergies industrielles et/ou commerciales

La raison la plus souvent avancée pour acquérir une entreprise est la création de synergies
entre les deux structures. EduBourse définit les effets de synergie comme étant un « effet
économique […] selon lequel la valeur de l'union de deux entités est plus importante que la
valeur de la somme des deux entités séparées. »8 Ces effets se manifestent à plusieurs niveaux
dans la chaîne de valeur:
• R&D. La combinaison des structures de R&D des deux entités peut permettre
d’accélérer les recherches ou encore d’acquérir des technologies particulières
(Heldenbergh, 2000). Des firmes disposant de connaissances complémentaires
peuvent combiner leurs forces pour développer des produits ou des technologies que
chacune n’aurait pas pu développer seule (Gerpott, 1995). Dans les industries pour
lesquelles la détention de brevet est clé (l’industrie pharmaceutique particulièrement),
les acquisitions permettent de pallier à un manque de produits dans les dernières
phases de développement et donc de renouveler le pipeline de produits (Danzon et al.,
2004). En d’autres termes, les acquisitions sont employées comme un moyen de
reconfigurer les ressources existantes qui auraient pu se trouver altérées suite à leur
exploitation répétée (Capron et Mitchell, 1998). Enfin, Henderson et Cockburn (1996)
soulignent l’opportunité pour les plus grandes firmes conduisant plusieurs projets
R&D de front de bénéficier d’économies de gamme en exploitant des possibilités de
réduction de coûts et de répartition des risques.
• Financement. Un accroissement de la taille de l’entreprise donne de meilleures
garanties aux investisseurs, ce qui permet aux managers d’améliorer les termes de leur
financement (Heldenbergh, 2000). Ce point est malgré tout soumis au débat au vu du

8
Effet de synergie. (2012, mars 30). EduBourse. Page consultée le avril, 13, 2015, à partir de
http://www.edubourse.com/lexique/effet-de-synergie.php.
16.

nombre important de facteurs différents influençant ces termes (niveau d’endettement,


réputation de l’équipe dirigeante, etc.).
• Production. Les synergies au niveau des processus de production peuvent engendrer
une rationalisation de ces procédés et créer des économies de gamme (Cassiman et al.,
2005 ; Heldenbergh, 2000). Cassiman et al. (2005) rejettent cependant l’idée
d’économies d’échelle liées aux acquisitions. Un déplacement plus rapide le long de la
courbe d’apprentissage est également possible. A ce propos, Healy et al. (1992)
montrent une amélioration post-acquisition significative du rendement des actifs
opérationnels comparé au reste de l’industrie.
• Marketing. Le regroupement de plusieurs produits sous une même campagne
publicitaire engendre des réductions de coût (Heldenbergh, 2000).
• Réseaux commerciaux et de distribution. L’acquisition peut fournir un accès rapide à
un réseau de distribution particulier ou à une zone géographique pas encore couverte
(Heldenbergh, 2000).
• Infrastructure. Le rapprochement de deux firmes permet en général de profiter d’une
rationalisation organisationnelle via l’élimination de postes redondants, un système
d’information centralisé, etc. Selon Heldenbergh (2000), ce sont les synergies de force
(c’est-à-dire de type « 2+2=5 »). De même, des synergies de faiblesse (de type
« 2+2=3 ») sont également à considérer : systèmes comptables incompatibles,
différence de culture d’entreprise trop importante, etc.

Toutefois, il ressort de l’étude de Christofferson et al. (2004) que les gains de synergie liés
aux F&A ont tendance à être surestimés par le management de la firme acquéreuse. Ce biais
donne lieu à un phénomène psychologique connu sous le nom de « winner’s curse », selon
lequel l’incertitude liée à l’enchère amène l’acheteur a payer un montant supérieur a celui qui
serait rationnel (Christofferson et al., 2004).

I.2.2. Les synergies financières

La vague américaine de F&A des années 1960 est caractérisée par une croissance des
regroupements congloméraux (Bricui et Nivoix, 2009). Les synergies financières sont basées
sur l’idée selon laquelle la présence dans des secteurs d’activités non-liés réduit le risque
pour l’entreprise et la dépendance aux facteurs macroéconomiques (Heldenbergh, 2000).
Cette conception est critiquée dans la mesure où elle n’est pas compatible avec la théorie du
17.

portefeuille de Markowitz9 qui indique que les investisseurs peuvent effectuer la


diversification eux-mêmes à moindre frais (Heldenbergh, 2000 ; Porter, 1987). De plus, les
firmes utilisant ce type de diversification ont tendance à être plus endettées que les autres.
Elles augmentent donc le risque financier en cherchant à réduire le risque commercial (Michel
et Shaked, 1985). Ces sociétés ont ainsi tendance à rationaliser leurs coûts pour réduire ce
risque financier, utilisant le return supplémentaire généré pour payer les charges de la dette et
réduire leur niveau d’endettement (Hitt et al., 1990). Le degré de diversification aura
également une influence sur le type de contrôle effectué : dans une firme plus focalisée, le
contrôle stratégique est le moyen de contrôle prédominant alors que les firmes diversifiées ont
plus recours au contrôle financier (Hoskisson et Hitt, 1988).
Un autre aspect des synergies financières est mis en avant par Danzon et al. (2004). Selon
eux, les firmes de petite taille10 utilisent les fusions pour se sortir d’embarras financiers. Les
auteurs illustrent ces difficultés financières par un Q de Tobin faible11, peu de produits à
vendre et un ratio cash sur ventes faible.
Des considérations fiscales peuvent également amener des entreprises à se lancer dans des
F&A (Heldenbergh, 2000). A la fois l’investisseur et la société peuvent bénéficier de
réductions de taxes suivant une acquisition (Auerbach et Reishus, 1988).

I.2.3. La sous-évaluation de la cible

La volonté de faire une « bonne affaire » peut être une autre source de motivation. Pour que la
sous-évaluation de la cible mène à une OPA, il faut qu’il y ait asymétrie de l’information : la
firme acquéreuse est mieux informée que le reste du marché sur la valeur de la cible
(Heldenbergh, 2000). L’asymétrie de l’information est une inefficience du marché. Selon
l’auteur, la simple annonce de l’OPA est un signal pour le marché qui devrait entrainer la
revalorisation de la cible à sa juste valeur ou du moins au montant proposé par l’acquéreur.

9
Pour plus d’informations: Markowiz, A. (1952). Portfolio Selection. Journal of finance, 7(1), 77-91.
10
Moins de $20 millions de chiffre d’affaires et moins de $1 milliard de valeur de marché (Danzon et al., 2004).
11
Le Q de Tobin est une théorie des choix d’investissement développé par J. Tobin en 1969 dans un article
intitulé A general equilibrium approach to monetary theory parut dans la revue Journal of Money, Credit and
Banking. Le Q de Tobin est défini comme le ratio de la valeur boursière de l’entreprise sur sa valeur comptable.
Un ratio inférieur à l’unité peut être un mauvais signal pour l’investisseur, traduisant des perspectives de
croissance limitées (Duflos et Pfister, 2007).
18.

I.2.4. L’acquisition de parts de marché

Dans des industries très compétitives, il peut être difficile pour une entreprise de rentrer sur le
marché tant les barrières à l’entrée sont importantes (Heldenbergh, 2000). Il peut s’agir d’une
avance trop importante des compétiteurs en termes d’économies d’échelle ou de courbe
d’apprentissage, un marché mature avec une clientèle déjà fidélisée, le contrôle de ressources
stratégiques par les concurrents, etc. Dans ce cas, l’acquisition d’une entreprise déjà
implantée dans ce marché reste la seule alternative viable. Selon Jaffe (cité par Hitt et al.,
1990), l’acquisition réduit le degré de compétition, ce qui diminue à son tour les incitants à
innover et donc augmente ceux à se développer par acquisition. Cette situation crée un
raisonnement cyclique.
Les acquisitions permettent non seulement d’obtenir une part de marché, mais également de
l’obtenir rapidement. Helfat et Lieberman (2002) mettent en exergue cette capacité des firmes
diversifiées à utiliser les acquisitions pour capturer plus rapidement des opportunités.
Andrade et al. (2001) soulignent cependant que le développement et la mise en pratique des
lois anti-monopoles ont marginalisé les motivations liées à l’acquisition d’un pouvoir de
marché dans ses formes extrêmes depuis les années 1940.

I.2.5. Le remplacement d’une équipe dirigeante incompétente

Il peut arriver que les managers de la société cible ne soient pas les plus aptes à gérer celle-ci,
notamment du fait de l’attachement émotionnel qui pourrait les empêcher de prendre les
mesures nécessaires à la bonne gestion de l’entreprise (une restructuration par exemple)
(Heldenbergh, 2000). De par la divergence de vue entre acquéreur et management de la
société cible, la plupart de ces opérations seront de type hostile (Heldenbergh, 2000).

I.2.6. L’intérêt personnel des dirigeants

Les chefs d’entreprises ont un intérêt personnel à diriger une entreprise de taille supérieure
pour deux raisons principales. Premièrement, cela augmente leur pouvoir et leur prestige
personnel ainsi que leur visibilité sur le marché de l’emploi (Heldenbergh, 2000 ; Jensen,
1986). Deuxièmement, il existe une relation positive entre la taille d’une entreprise et la
rémunération de leur CEO (Broye et Moulin, 2010 ; Jensen, 1986). Ce dernier type de
19.

motivation met en évidence un conflit d’intérêts entre dirigeants et actionnaires (Heldenbergh,


2000).

I.2.7. Autres

Des motivations supplémentaires pour recourir aux F&A sont mises en lumière par d’autres
auteurs :
• Le type de financement. Lorsque les firmes doivent se financer par la dette, elles
auront tendance à privilégier les acquisitions par rapport au développement interne
(Hitt et al., 1990). La raison est la suivante : le développement d’innovations en
interne via la R&D implique des actifs qui ne sont que difficilement redéployables à
d’autres fins. Or, les règles financières supposent que le coût de la dette sera plus
élevé pour les projets risqués impliquant ce genre d’actifs non redéployables
(Williamson, 1988). Il est donc préférable d’utiliser la dette pour faire des
acquisitions.
• La taille de la firme. Selon Mintzberg (1979), le recours à des formes de contrôle plus
formelles augmente dans les grandes entreprises. Par ailleurs, le contrôle financier et
le contrôle bureaucratique formels ont une influence négative sur l’engagement des
managers dans des activités d’innovation (Hlavacek et Thompson, 1973 ; Hitt et al.,
1996). Les acquisitions seraient dans ce cas préférées. Hitt et al. (1996) trouvent sans
surprise un lien positif entre le recours au contrôle financier et l’usage de sources
externes d’innovation.
• Les sur-capacités potentielles. Danzon et al. (2004) trouvent que les grandes firmes12
présentant un Q de Tobin faible sont plus susceptibles d’avoir recours aux F&A. Un Q
de Tobin faible est le signal d’une faible croissance attendue des revenus. Dans le cas
des grandes firmes pharmaceutiques, cela correspond souvent à un pipeline peu rempli
et des produits actuels dont les brevets arrivent à expiration. D’après les auteurs, ces
firmes risquent donc de se retrouver en excédent capacitaire (actifs et employés) dans
un avenir proche. En conséquence, elles répondent à cette situation en essayant de
remplir leur pipeline dans le court terme via des acquisitions.

12
Chiffre d’affaire supérieur à $20 millions et valeur d’entreprise supérieure à $1 milliard (Danzon et al., 2004)
20.
21.

Chapitre I.3. Description des F&A dans le cadre de l’industrie pharmaceutique

I.3.1. Structure de l’industrie pharmaceutique

Dans les années 1980, « la plupart des firmes pharmaceutiques étaient verticalement
intégrées, depuis la recherche jusque la vente » (Coutinet et Abecassis, 2008a ; Schweizer,
2002, p.42) [Notre traduction]. Cette structure a dû être adaptée dans les années 1990 suite à
l’émergence d’un environnement technologiquement plus complexe et plus concurrentiel.
Trois mouvements sont à identifier (Coutinet et Abecassis, 2008a). Premièrement, elles ont
utilisé les F&A dans une volonté de recentrage sur le cœur de métier : les firmes se
spécialisent. Deuxièmement, l’industrie pharmaceutique a subi une importante vague de
concentration. « En 1985, les dix plus grosses firmes pharmaceutiques représentaient 20%
des ventes dans l’industrie contre 48% en 2002, principalement à cause de ce mouvement de
consolidation » (Danzon et al., 2004, p.2) [Notre traduction]. Pour preuve, « depuis 1994, les
quinze premiers laboratoires pharmaceutiques ont été engagés dans au moins une opération
de fusion et acquisition » (Coutinet et Abecassis, 2008b, p.124). Le Tableau 1 illustre cette
concentration en listant les principales F&A dans l’industrie pharmaceutique entre 1996 et
2007. Troisièmement, l’établissement de relations inter-entreprises a permis d’acquérir des
compétences stratégiques ou technologiques nécessaires afin de garder un certain contrôle sur
la filière industrielle : les firmes s’ouvrent (Coutinet et Abecassis, 2008a). Ces trois tendances
ont contribué à la création de réseaux stratégiques (Gulati, 1998), paradoxalement caractérisés
par des relations de compétition et de coopération. Pour cette raison, Brandenburger et
Nalebuff (1995) populariseront le terme de « coopétition ». Chaque firme va développer sa
propre vision entre alliances, acquisitions ou développement interne. En conséquence, les
stratégies se multiplient, rendant le paysage de l’industrie pharmaceutique de moins en moins
homogène (Mittra, 2007). Les big pharma (e.g. Pfizer, GSK, etc.), présentes dans tous les
créneaux thérapeutiques porteurs, cohabitent avec des firmes de taille moyenne spécialisées
dans un marché de niche et des entreprises biotechnologiques de petite taille souvent
focalisées sur un procédé scientifique (Coutinet et Abecassis, 2008b).

Les années 2000 ont été caractérisées par une sixième vague de fusions et acquisitions. Des
volumes de transactions records ont été enregistrés en 2006 ($3600 milliards) et 2007 ($4400
milliards), dépassant le pic de 2000 correspondant à la cinquième vague (Hornke, 2009). La
22.

littérature s’accorde pour dire que cette sixième vague s’est achevée en 2008 (Hornke, 2009 ;
Hornke et Mandewirth, 2010). L’explication avancée est l’assèchement du marché des
capitaux externes suite à la crise financière et particulièrement suite à la chute de la banque
d’investissement Lehman Brothers (Hornke, 2009 ; Hornke et Mandewirth, 2010). En effet, la
part de volume d’achat réalisée par des investisseurs purement financiers est passée de 26%
en 2006 à 8% en 2009. Cet écart a été comblé par les investisseurs stratégiques (Hornke et
Mandewirth, 2010). Parmi ces derniers, ce sont ceux actifs dans les industries
pharmaceutiques et chimiques qui ont dominé le marché mondial des F&A (Hornke, 2009).

Tableau 1 : « Mega-deal » dans l’industrie pharmaceutique entre 1996 et 2007


Montant de la
Date Firme acquéreuse Firme cible transaction
(milliards de dollars)
2000 Pfizer Inc. Warner-Lambert Co 89,17
SmithKline Beecham
2000 Glaxo Wellcome PLC 75,96
PLC
2004 Sanofi-Synthelabo SA Aventis SA 60,24

2003 Pfizer Inc. Pharmacia Corp 59,52

1999 Zeneca Group PLC Astra AB 34,64

1996 Sandoz AG Ciba-Geigy AG 30,09


Pharmacia & Upjohn
2000 Monsanto 26,49
Inc.
2006 Bayer AG Schering AG 20,56
2002 Amgen Inc. Immunex Corp 16,90

2006 Johnson&Johnson Inc. Pfizer Consumer 16,60


Healthcare
2007 AstraZeneca PLC MedImmune Inc. 14,55

1999 Sanofi Synthelabo SA 11,12

Source : Coutinet et Abecassis (2008b, p.125)

I.3.2. Tendances macroéconomiques expliquant le recours aux F&A

« Si les fusions se déroulent par vagues, mais que chaque vague est différente en termes de
composition de l’industrie, alors une part significative de l’activité de F&A pourrait être
causée par des chocs au niveau de l’industrie. Les industries réagissent à ces chocs en se
restructurant » (Andrade et al., 2001, p.107) [Notre traduction]. Ces propos rapportés à
23.

l’industrie pharmaceutique, plusieurs tendances (ou « chocs ») récentes expliquent cette forte
intensité des activités de F&A :
- La pression sur le coût du système de santé. Selon Hornke et Mandewirth (2010), la
crise financière augmente la pression sur le prix des médicaments, en plus d’en
influencer le volume de vente. En effet, le déficit des états combiné à une population
occidentale vieillissante contribue à l’augmentation du coût des soins de santé. Il
existe donc une pression afin de diminuer le prix des médicaments. A la recherche de
synergies de coût pour faire face à cette situation, les firmes pharmaceutiques auraient
donc recours aux acquisitions.
- L’augmentation des coûts de développement de nouvelles molécules. Les études
menées en 1991 et en 2002 par DiMasi et al. (Figure 5) montrent que sur cette période,
les coûts totaux de développement de nouveaux médicaments a plus que doublé,
passant de $318 millions à $802 millions (DiMasi et al., 2003). De plus, le recours aux
biotechnologies combiné à des exigences sanitaires accrues a eu pour conséquence un
allongement des durées de développement de nouveaux produits, maintenant estimées
entre douze et quinze ans (Coutinet et Abecassis, 2008a). Les coûts R&D ont
augmenté en conséquence. Enfin, les conditions de mise en circulation des
médicaments requises par les autorités compétentes (EMA en Europe, FDA aux Etats-
Unis) se durcissent, suite à des exigences à la hausse de la part des patients en terme
de sécurité sanitaire. Il s’agit notamment d’un allongement des périodes de test et
d’une extension des populations-tests (Coutinet et Abecassis 2008a)13. Maintenir une
productivité constante d’innovations demande donc une augmentation des dépenses
consenties en R&D. Les F&A permettent aux entreprises qui n’ont pas suivi cette
tendance de combler leur retard sur la concurrence en remplissant leur pipeline. Il
s’agit de l’argument du retard technologique adopté par Danzon et al. (2004). Duflos
et Pfister (2007, p.584) remettent cependant en cause cet argument. En effet, ils
trouvent que « après avoir contrôlé pour le stock de R&D, les firmes acquéreuses ne
présentent ni un portefeuille de brevets moins étendu que les firmes non acquéreuses,
ni une productivité inférieure en matière de dépôt ».

13
Une vue complète du processus de développement des médicaments peut être trouvée dans l’Annexe 1, p.95.
24.

Figure 5 : Evolution des coûts précliniques, cliniques et totaux par nouveau médicament
approuvé entre 1991 et 2002.

Trends  in  capitalized  preclinical,  clinical  and  total  


cost  per  approved  new  drug      
900   802  
800  
Millions  of  2000  $  

700  
600  
467  
500  
400   335   318  
300   214  
200   104  
100  
0  
Preclinical     Clinical     Total  

DiMasi  et  al.  (1991)   DiMasi  et  al.  (2003)  

Source : DiMasi et al. (2003, p.167)

- La montée en puissance des fabricants de médicaments génériques. En 1994, la


World Trade Organization (WTO) signe les Trade-Related Aspects of Intellectual
Property Rights (TRIPs) dans le cadre du General Agreement on Tariffs and Trade
(GATT) (Belleflamme, 2014). Ces accords définissent des exigences minimales en
termes de régulation de la propriété intellectuelle (au moins 20 années de protection,
applicable dans tous les domaines de technologie (Belleflamme, 2014)) ainsi qu’un
pouvoir de sanction accordé à la WTO (Ossa, 2015). Ils ont contribué à renforcer la
portée des brevets dans les pays les plus développés et à construire un système de
protection là où il n’en existait pas encore (Coutinet et Abecassis, 2008b). Au début
des années 2000, les fabricants pharmaceutiques ont dû faire face à l’expiration de ces
brevets pour plusieurs blockbusters, mettant ainsi en danger leurs rentes
monopolistiques (Coutinet et Abecassis, 2008b). Selon Datamonitor, les brevets liés à
18 médicaments réalisant des ventes supérieures à $1 milliard en 1999 devaient
tomber dans le domaine public entre 2000 et 2005, faisant l’affaire des fabricants de
génériques.14 Plus parlant encore, Sahoo conclut que 40% des blockbusters vendus en
2002 allaient perdre leur brevet avant 2008 (cité par Coutinet et Abecassis, 2008b).

14
Better never late protect your patents early. (2001, septembre 3). Datamonitor. Page consultée le mai 14,
2015, à partir de
http://www.datamonitor.com/store/News/better_never_late_protect_your_patents_early?productid=F7A9D51F-
543F-414A-9763-7110EBFED76E.
25.

La perte de droits relatifs à des produits sur lesquels les firmes pharmaceutiques
réalisent des marges importantes a de grandes conséquences. Par exemple, comme le
montre la Figure 6, environ 60% des revenus d’AstraZeneca entre 2008 et 2012
seraient menacés à cause de la concurrence générique (Allary et Ozdowski, 2008).
L’entrée de concurrents génériques peut en effet éroder les ventes de blockbusters de
moitié.15 Cette situation entraine donc le développement des fabricants de génériques,
qui vont ensuite rechercher à leur tour les économies d’échelle par le biais
d’acquisitions (Hornke, 2009). Les firmes pharmaceutiques réagissent quant à elles à
l’érosion de leurs marges par la réalisation de synergies de coûts, également au moyen
d’acquisitions (Hornke, 2009).

Figure 6 : Segmentation du portefeuille de produits des grandes firmes pharmaceutiques selon


le risque générique

Source : Allary et Ozdowski (2008, p.57)

- L’émergence des biotechnologies. Selon Wirth (cité par Schweizer 2002),


l’émergence des biotechnologies a eu lieu au milieu des années 1970, notamment
grâce à deux développements majeurs : les technologies de recombinaison de l’ADN
par Boyer et Cohen en 1973 et la production d’anticorps monoclonaux par Milstein et
Kohler en 1975. Mais il faut attendre 1990 pour voir les biotechnologies réellement

15
Better never late protect your patents early. (2001, septembre 3). Datamonitor. Page consultée le mai 14,
2015, à partir de
http://www.datamonitor.com/store/News/better_never_late_protect_your_patents_early?productid=F7A9D51F-
543F-414A-9763-7110EBFED76E.
26.

prospérer. La branche des biotechnologies s’intéressant au domaine de la santé est


celle des biotechnologies rouges (Schweizer, 2002). Le développement de
médicaments basés sur les biotechnologies est caractérisé par une intensification
technologique et informationnelle, ce qui rend impossible la prise de contrôle d’une
technologie de recherche par une entité unique (Coutinet et Abecassis, 2008a ;
Henderson, 1994 ; Schön et Pyka, 2009). Le processus d’innovation pharmaceutique
devient donc complexe et distribué, dans le sens où il demande un haut niveau
d’interactions et d’échanges de connaissances entre des firmes actives dans différents
secteurs, publics ou privés (Mittra, 2007). Dans ce contexte d’échanges inter-
entreprises accrus, Schweizer (2002) insiste sur la nécessité d’une structure en réseau
social16 afin d’assurer la fiabilité scientifique des informations transférées. Les
alliances stratégiques ont longtemps constitué pour les grandes entreprises
pharmaceutiques un moyen privilégié de collaboration avec de petites firmes de
biotechnologie (Mittra, 2007), les acquisitions restant marginales. Selon Schweizer
(2002), cette situation peut être expliquée par la surévaluation qu’ont connue les
firmes biotechnologiques jusqu’au milieu des années 1990. L’ajustement des prix a
alors rendu les acquisitions plus attractives et leur nombre a quasiment décuplé entre
1995 et 1999 (Figure 7). Cette situation a perduré puisque le Tufts Center for the
Study of Drug Development déclare que les acquisitions de firmes biotech par les big
pharma ont quintuplé entre 1998 et 2008 (Tufts CSDD, 2013). En termes de montants,
les F&A incluant des firmes biotech sont passées de $3,3 milliards en 1997 à plus de
$13,7 milliards en 1999 (Schweizer, 2002).

16
Liebeskind et al. (1996) définissent les réseaux sociaux comme « a collectivity of individuals among whom
exchanges take place that are supported only by shared norms of trustworthy behavior ».
27.

Figure 7 : Evolution du nombre de F&A entre des firmes pharmaceutiques et


biotechnologiques entre 1994 et 1999

M&A activities in the biotechnology and


pharmaceutical industry
40  
Number of Mergers and Acquisitions

34  
35  
30  
25  
20   20  
20   17  
15  
10  
10  
4  
5  
0  
1994   1995   1996   1997   1998   1999  

Source : Goldman Sachs (cité par Schweizer, 2002, p.52)

- L’assèchement des pipelines des firmes pharmaceutiques. Entre 1996 et 2010,


l’agence américaine des produits alimentaires et médicamenteux (FDA) rapporte une
diminution des demandes d’approbation de New Molecular Entities (NME) par les
firmes pharmaceutiques.17 La FDA définit les NME comme étant « un ingrédient actif
qui n’a jamais été commercialisé aux Etats-Unis sous aucune forme que ce soit ».18
L’origine des NME est chimique, ce qui les oppose aux New Therapeutic Biological
Products, d’origine biologique. Étonnamment, Allary et Ozdowski (2008) remarquent
que le nombre de molécules arrivées en phase III de développement est passé de 369 à
539 sur la période 2000-2007. Cette information semble à première vue contradictoire
avec les données de la FDA. L’explication provient du fait que la part des produits
issus des entreprises de biotechnologie est passée de 40% à 70% entre 2000 et 2007
(Allary et Ozdowski, 2008). Ces deux dernières données sont visibles sur la Figure 8.
On constate que les méthodes chimiques s’essoufflent au profit des biotechnologies.
Les acquisitions dans le domaine des biotechnologies, constituent donc un moyen pour
les firmes pharmaceutiques traditionnelles de remplir leur pipeline.

17
Is it true FDA is approving fewer new drugs lately? Food and Drug Administration. Page consultée le mai 15,
2015, à partir de http://www.fda.gov/ucm/groups/fdagov-public/@fdagov-afda-
gen/documents/document/ucm247465.pdf.
18
Drugs@FDA Glossary of Terms. (2012, février 2). Food and Drug Administration. Page consultée le mai 15,
2015, à partir de http://www.fda.gov/Drugs/InformationOnDrugs/ucm079436.htm.
28.

Figure 8 : Répartition des produits en Phase III entre les Biotech/Petites pharma et les Big
pharma en 2000, 2005 et 2007

Number of Phase III compounds in the pipeline


600  
Nombre de produits Phase III

500  
165  
400  

300   169  
220  
200   374  
100   239  
149  
0  
2000   2005   2007  

Biotech/Petites  pharma   Big  pharma  

Source : Allary et Ozdowski (2008, p.58)

- La refocalisation des portefeuilles de produits sur des marchés spécialisés. La


menace pesant sur les ventes des blockbusters a contribué à mettre en lumière
l’attractivité des niche-busters, ces « médicaments […] traitant des maladies affectant
un nombre réduit de patients qui ont été diagnostiqués comme pouvant grandement
bénéficier de ce traitement » (Rockoff, 2011) [Notre traduction]. Les niche-busters se
caractérisent donc par un traitement plus personnalisé, ce qui souligne également la
nécessité de développer les outils de diagnostic adéquats.19 Selon Daniel O’Day, COO
de la division Diagnostic de Roche, 60% du pipeline de médicaments expérimentaux
de Roche s’accompagne d’un « test diagnostic compagnon » (Jack, 2012). Un tout
nouveau business model s’offre à l’industrie pharmaceutique. Alors que les
blockbusters avaient pour but de toucher le plus de patients possibles et mettaient en
conséquence l’accent sur le marketing et la vente, les niche-busters nécessitent un
focus sur la R&D car initialement un plus grand nombre de prototypes est
nécessaire.20 Ce nouvel espace concurrentiel est attractif pour plusieurs raisons : des
coûts marketing moindres, une compétition réduite des génériques et un support accru
19
Pharma abandons blockbuster for niche drugs, claims report. (2006, novembre 8). Outsourcing-Pharma.com.
Page consultée le mai 15, 2015, à partir de http://www.outsourcing-pharma.com/Preclinical-Research/Pharma-
abandons-blockbuster-for-niche-drugs-claims-report.
20,21
Pharma abandons blockbuster for niche drugs, claims report. (2006, novembre 8). Outsourcing-
Pharma.com. Page consultée le mai 15, 2015, à partir de http://www.outsourcing-pharma.com/Preclinical-
Research/Pharma-abandons-blockbuster-for-niche-drugs-claims-report.
29.

des régulateurs.21 Ce support se matérialise par l’octroi de subventions par la FDA,


des déductions fiscales sur les frais de tests cliniques ou encore une période de sept
ans d’exclusivité marketing après l’approbation du traitement (Dolgin, 2010).
L’oncologie est le marché le plus prometteur pour ces nouveaux traitements.
Initialement dominé par de petites start-ups biotech à la recherche d’un espace
concurrentiel de niche, le marché des maladies orphelines a depuis suscité l’intérêt des
gros acteurs pharmaceutiques (Dolgin, 2010). En effet, la part de ces grosses
entreprises dans le nombre d’approbations de médicaments destinés au traitement de
maladies orphelines aux Etats-Unis est passé de 35% en 2000-2002 à 56% en 2006-
2008 (Tufts CSDD, 2010). Globalement, ces approbations ont représenté 22% de
toutes les NME validées durant les années 2000 (Tufts CSDD, 2010). En 2006, la part
des produits de spécialité dans la croissance du marché était de 62% (Allary et
Ozdowski, 2008), soulignant ainsi l’importance nouvelle des niche-busters dans les
pipelines des firmes pharmaceutiques. Cette reconfiguration des portefeuilles
d’activité entraine des mouvements de F&A et de désinvestissement.

Coutinet et Abecassis (2008a), estiment que les deux tendances majeures qui ont modelé
l’industrie pharmaceutique depuis les années 1990 sont l’évolution du système de brevet qui
impacte la performance des fabricants génériques et la transformation des méthodes de
recherche suite à l’éclosion des biotechnologies.

Plus d’informations relatives à la situation de l’industrie pharmaceutique peuvent être


trouvées dans l’Annexe 2, pp.96-99.
30.
31.

Chapitre I.4. Effets des F&A sur la performance

Lorsque l’on s’intéresse aux performances des F&A, deux grands courants émergent : ceux
qui mesurent la performance financière subséquente et ceux qui mesurent la performance en
termes d’innovation. Parcourons tour à tour la littérature de ces deux courants.

I.4.1. Effets des F&A sur la performance financière

Selon Andrade et al. (2001, p.109), « la preuve statistique la plus fiable pour savoir si les
F&A créent de la valeur pour les actionnaires provient d’études court-termistes
traditionnelles, où la réaction moyenne de l’action à l’annonce de l’opération est utilisée
comme indicateur de création ou destruction de valeur ». De plus, « sur un marché des
capitaux efficace […], le prix des actions s’ajuste rapidement après l’annonce d’une fusion
pour incorporer tout changement attendu de valeur. Par ailleurs, tout l’effet de valeur de la
fusion devrait être intégré dans le prix de l’action une fois que l’incertitude s’est dissipée,
c’est à dire à l’achèvement de l’opération » [Notre traduction].

Andrade et al. (2001) reflètent cette distinction en mesurant la performance sur deux horizons
temporels différents : une période de trois jours s’étendant entre le jour précédent l’opération
et le jour la suivant ainsi qu’une fenêtre plus longue allant jusque la clôture de la F&A. La
performance est mesurée en termes de rendement anormal cumulé22 (« cumulative abnormal
return », ou RAC). Ils s’intéressent à un échantillon de 3688 fusions effectuées entre 1973 et
1998. Leurs résultats sont clairs et persistent à travers les décennies. La firme faisant la cible
de l’acquisition est la grande gagnante avec rendement anormal moyen de 16% de son cours
dans les trois jours et de 24% dans le plus long terme. Ces résultats sont confirmés par Jensen
et Ruback (1983).

A l’opposé, la firme acquéreuse présente des performances négatives sur les deux indicateurs
temporels, bien qu’aucun de ces résultats ne soit significatif au taux requis (Andrade et al.,
2001). Dodd (1980) trouve un rendement anormal significativement négatif de -0,54% en se
concentrant sur une période de deux jours couvrant la veille et le jour de l’annonce de

22
Le rendement anormal cumulé est défini par Kirchhoff et Schiereck (2011) comme étant « la différence entre
le rendement observé de l’action et le rendement théorique attendu » [Notre traduction]. Le rendement théorique
attendu est calculé à l’aide du CAPM (Capital Asset Pricing Model).
32.

l’acquisition. Des rendements anormaux légèrement positifs mais non-significatifs sont


trouvés par Asquith sur la même période (cité par Jensen et Ruback, 1983) ainsi que Eckbo
(1983), sur une période de trois jours entourant la date d’annonce de l’opération. Jensen et
Ruback (1983) trouvent quant à eux un rendement anormal approximant zéro. King et al.
(2004) mettent en lumière des performances positives le jour de l’annonce suivies par des
résultats non-significatifs, voire négatifs les jours subséquents. Morck et al. (1990) soulignent
des performances réduites et négatives pour les opérations de diversification. Cette faiblesse
des acquisitions de diversification est confirmée par les recherches de Porter (1987) indiquant
qu’une grande majorité de ces acquisitions étaient ensuite désinvesties. Matsusaka (1993) ne
s’accorde pas avec ces propos et trouve de meilleurs résultats lorsque l’acquéreur entre dans
un nouveau marché, que ce soit une transaction verticale ou de diversification. Ces
performances financières médiocres pour l’acquéreur ont une implication importante pour
l’actionnaire de la firme cible. En effet, King et al. (2004) précisent que si ces derniers se
voient proposer une rémunération en actions ou en cash, une nette préférence doit être donnée
au cash.
La question de la création de valeur est donc assez controversée. Une seule chose est sûre,
l’acheteur n’est pas le grand gagnant de l’opération (Bouwman et al., 2003 ; Hitt et al., 1991 ;
Lubatkin, 1983).

En combinant les effets respectifs sur la firme cible et acquéreuse, les F&A sont globalement
légèrement créatrices de valeur (Andrade et al., 2001 ; Bouwman et al., 2003). Frésard et al.
(2015) ajoutent que ce return cumulé est plus important dans le cas de F&A verticales par
rapport à d’autres types d’acquisitions. Fan et Goyal (2006) précisent cette affirmation. Ils
trouvent des gains largement supérieurs dans les acquisitions verticales comparées aux
acquisitions de diversification. Selon eux, les gains sont cependant similaires dans les
acquisitions verticales et horizontales. Il faut préciser que l’effet total des acquisitions n’est
pas mesuré par la somme des rendements anormaux de la firme acquéreuse et de la firme
cible. En effet, la firme acquéreuse est souvent de plus grande taille. Il est donc possible que
de petites pertes pour les actionnaires de la firme acheteuse excèdent les gains importants
réalisés par ceux de la firme cible (Jensen et Ruback, 1983). J’ajoute que les travaux de Jarrell
et al. (1988) concluent qu’il n’existe pas de preuve empirique d’un transfert de richesse
depuis les actionnaires de la firme acquéreuse vers ceux de la cible. Les gains liés à
l’opération correspondent donc selon eux à une création de valeur liée au réarrangement des
ressources dans une configuration plus efficace. Les résultats des différentes études sont
33.

synthétisés dans le Tableau 2. Comme le tableau le montre, un consensus existe quant à


l’impact sur la firme cible mais aucun concernant l’impact sur l’acquéreur.

Tableau 2 : Synthèse des différentes études relatives à la performance financière des


acquisitions
Période test RAC > 0 RAC < 0 RAC ≈ 0
Acquéreur [-1;0] Asquith (cité par Dodd (1980);
Jensen et Ruback, Kirchhoff et
1983) Schiereck (2011)
[-1;+1] Eckbo (1983); Andrade et al. Jensen et Ruback
Higgins et (2001) (1983)
Rodriguez (2006)
[-20;cloture] Andrade et al.
(2001)
Cible [-1;0] Kirchhoff et
Schierreck (2011)
[-1;+1] Andrade et al.
(2001); Jensen et
Ruback (1983)
[-20;cloture] Andrade et al.
(2001); Jensen et
Ruback (1983)

Les résultats de Andrade et al. (2001) évoluent cependant lorsqu’on fait la distinction entre les
opérations financées en cash ou par l’émission d’actions. En effet, le rendement anormal
négatif pour la firme acquéreuse devient significatif lorsqu’on s’intéresse au sous-échantillon
des F&A financées via l’émission d’actions. La littérature utilise la théorie « pecking order »
de Myers et Majluf (1984) mettant en avant une asymétrie d’information entre actionnaires et
managers pour expliquer ce phénomène. Suivant ce modèle de finance d’entreprise,
l’émission d’actions serait le signe que les managers pensent que le cours de l’action est
surévalué. Les actionnaires, se disant que le management tente de prendre avantage de cette
surévaluation, vont en conséquence diminuer la valeur qu’ils accordent à la nouvelle
émission, expliquant ainsi le rendement anormal négatif. Au contraire, les firmes finançant
l’opération en cash vont jouir d’un rendement anormal légèrement positif durant la période de
trois jours entourant l’annonce de l’acquisition, comme le montre le Tableau 3. La firme cible
présente également de meilleurs résultats suite à un financement en cash. Ce résultat suggère
la nécessité d’une distinction entre l’effet d’annonce de l’acquisition et l’effet d’annonce du
type de financement (Andrade et al., 2001).
34.

Tableau 3 : Rendement des actions des firmes cibles et acquéreuses suivant l’annonce d’une
acquisition segmenté par type de financement
Période test Emission d’actions Cash uniquement
Combiné [-1;+1] 0,6% 3,6%
[-20;Close] -0,6% 5,3%
Cible [-1;+1] 13% 20,1%
[-20;Close] 20,8% 27,8%
Acquéreur [-1;+1] -1,5% 0,4%
[-20;Close] -6,3% -0,2%
Nombre d’Obs. 2194 1494
Source : Andrade et al. (2001, p.112)

Plusieurs auteurs se sont interrogés sur l’existence d’effets d’expérience dans la conduction
des opérations de F&A. On peut raisonnablement s’attendre à ce que les firmes jouissant
d’une plus grande expérience présentent de meilleures performances (Schön et Pyka, 2009).
De manière surprenante, Haleblian et Finkelstein (1999) trouvent une relation en U. Leurs
recherches suggèrent que les meilleurs acquéreurs sont soit les novices, car ils ne sont pas
tentés par la généralisation de leurs expériences passées ; soit ceux qui disposent d’une grande
expérience leur permettant une meilleure discrimination des cibles potentielles. Dans le cas
intermédiaire, l’acquéreur a tendance à standardiser les procédures et donc à gommer les
caractéristiques rendant chaque opération unique (Schön et Pyka, 2009). Lorsque Haleblian et
Finkelstein (1999) segmentent leur échantillon, des disparités apparaissent : lorsque la
transaction est similaire à celles réalisées précédemment, l’expérience influence positivement
la performance. Dans le cas contraire, c’est à dire la majorité des cas, la relation est négative.
Lubatkin (cité par Haleblian et Finkelstein, 1999) ne parvient pas non plus à prouver cette
intuition de l’effet positif de l’expérience.

Certaines études similaires sont réalisées avec un focus spécifique sur l’industrie
pharmaceutique et biotechnologique. C’est le cas de celle réalisée par Kirchhoff et Schiereck
(2011) portant sur un échantillon de 104 opérations entre 1996 et 2006. En s’intéressant à une
période de deux jours entourant l’annonce de l’acquisition [-1 ; 0], ils trouvent de manière
significative23 un rendement anormal moyen de 18,18% pour la société cible et de -2,89%
pour la société acquéreuse, confirmant ainsi les résultats des autres études inter-industries. Au

23,24,25
A un niveau de 1%.
35.

contraire, Higgins et Rodriguez (2006) trouvent un rendement anormal significatif24 de 3,91%


pour l’acheteur dans une étude réalisée sur un échantillon de F&A de l’industrie
pharmaceutique entre 1994 et 2001. Leurs résultats contredisent également ceux de Andrade
et al. (2001) selon lesquels le financement en cash profite aux actionnaires de la société portée
acquéreuse. De manière intéressante, Higgins et Rodriguez (2006) montrent également que le
rendement anormal monte significativement à 4,30%25 lorsque l’acquéreur est rentré dans une
alliance avec la cible en amont, mettant ainsi en lumière l’importance de la collecte
d’informations pré-acquisition. Un dernier résultat méritant d’être noté dans cette étude est le
fait que les firmes utilisant les acquisitions comme un moyen de renflouer un pipeline qui se
détériore présentent un rendement anormal plus faible que la moyenne26. Ernst et Halevy
(2000) établissent quant à eux que les F&A dans les industries high-tech mettent en exergue
des taux de réussite inférieurs à la moyenne des autres secteurs d’activité.

Il ressort de cette revue de littérature que les F&A créent principalement de la valeur pour la
firme cible et très peu, voire pas du tout, pour l’acquéreur, l’effet total étant légèrement
positif. Ces résultats varient en fonction de la relation de marché entre les deux firmes, du
type de financement utilisé, de l’expérience de l’acquéreur ou encore de l’industrie impactée.

I.4.2. Effets des F&A sur la performance R&D

J’en viens directement à la conclusion : « il n’existe pas de preuve théorique ou non ambiguë
dans la littérature économique […] prouvant que les F&A ont un effet direct, positif ou
négatif sur le niveau, la composition ou la productivité des activités de R&D » (Charles River
Associates, cité par Hitt et al., 1990) [Notre traduction]. Une tendance peut cependant être
établie : dans une macro-étude, de Man et Duysters (2005) mettent en évidence des effets
neutres ou négatifs des F&A sur l’innovation. Ils ne trouvent aucune étude montrant un effet
positif (Tableau 4). Je vais ici parcourir les résultats de quelques-unes des études explorées.

26
Significatif à un niveau de 5%.
36.

Tableau 4 : Revue de littérature de de Man et Duysters (2005) relative à l’impact des F&A sur
la performance de l’innovation
Effet des F&A sur l’innovation dans les articles étudiés
Type de mesure Positif Neutre Négatif
Intensité R&D 0 3 1
Productivité R&D 0 1 3
Source : de Man et Duysters (2005, p.1383)

Les travaux de recherche s’intéressant à l’impact des F&A sur l’innovation vont
principalement utiliser deux mesures : l’intensité de la R&D ou sa productivité. La première
mesure est généralement interprétée par les dépenses consacrées à la R&D ou encore le ratio
de ces dépenses sur les actifs de l’entreprise ou sur ses ventes. Les ratios permettent un
ajustement pour la taille de l’entreprise. La seconde fait quant à elle appel au nombre de
brevets validés relativement aux dépenses consenties en R&D. Les brevets émis sont des
mesures indirectes intéressantes pour la performance des F&A. En effet, leur dépôt est en lien
proche avec l’introduction de nouveaux produits dans l’industrie pharmaceutique (Comanor et
Scherer, 1969), la croissance du profit ou des ventes (Scherer, 1965). J’explore ces deux
mesures tour à tour.

I.4.2.1. Effets des F&A sur l’intensité de la R&D


De manière générale, certains auteurs soulignent une relation négative des acquisitions sur
l’intensité de la R&D (Hitt et al., 1989, 1991, 1996 ; Ornaghi, 2006, 2009 ; Ravenscraft et
Scherer, 1987 ; Siwolop, cité par Hitt et al., 1990) et d’autres une relation neutre (Desyllas et
Hughes, 2010 ; Hall, 1988, 1999 ; Healy et al., 1992). Pour justifier ce déclin de l’intensité de
la R&D, Hall (1988) avance l’argument de l’effet de substitution. Les firmes présentant une
situation de cash excédentaire et ayant fait le choix de ne pas le distribuer aux actionnaires
sous forme de dividendes doivent établir un choix entre investir dans des acquisitions ou en
R&D. Toujours selon Hall (1988), la substitution devrait même être parfaite sous l’hypothèse
d’un marché des capitaux parfait et de l’absence d’économies d’échelle.

Ces résultats agrégés cachent d’importantes différences au sein de l’échantillon. D’après


Sorescu et al. (2007), la littérature s’est d’abord concentrée sur des variables liées à la
transaction pour expliquer ces différences : le financement est-il en cash ou en actions
(Andrade et al., 2001 ; Bouwman et al., 2003) ? L’opération est-elle verticale ou
horizontale (Fan et Goyal, 2006) ? Toujours selon Sorescu et al. (2007), certaines études sont
37.

allées plus loin et ont investigué le degré de relation entre les marchés de la firme acquéreuse
et de la firme cible par exemple (Ahuja et Katila, 2001 ; Bena et Li, 2014 ; Desyllas et
Hughes, 2010 ; Hitt et al., 1991 ; Prabhu et al., 2005). King et al. (2004) suggèrent que
d’autres variables contribuent à expliquer une part significative de la variance des
performances post-acquisition. En effet, la relation entre F&A et intensité de la R&D, c’est à
dire de l’input du processus d’innovation, est régulée par les caractéristiques de la firme
acquéreuse. Plus généralement, ces caractéristiques sont un déterminant clé du succès des
F&A (Sorescu et al., 2007 ; Desyllas et Hughes, 2010), plus que, par exemple, des similarités
entre les firmes aux points de vue technique ou des marchés sur lesquels ils sont actifs (Ahuja,
Katila, 2001 ; Cassiman et al., 2005 ; Cloodt et al. 2006 ; Ornaghi, 2006, 2009).

La caractéristique qui est la plus étudiée dans la littérature est l’endettement. Les acheteurs
présentant un haut taux de croissance de leur endettement au moment de l’acquisition vont
connaître une plus faible intensité de R&D après acquisition, comparés aux firmes présentant
une faible croissance de leur endettement (Desyllas et Hughes, 2010 ; Miller, 1990). Hall
(1990, 1999) arrive aux mêmes conclusions, bien que les firmes n’effectuant pas
d’acquisitions présentent les mêmes résultats. Une croissance de ce niveau d’endettement peut
mettre les ressources de l’entreprise acquéreuse ainsi que leur allocation sous pression et donc
influencer les dépenses consenties en R&D (Desyllas et Hughes, 2010).

Desyllas et Hughes ne trouvent cependant pas de support lorsqu’ils testent l’hypothèse d’une
relation négative entre le niveau d’endettement et l’intensité de la R&D. Comment expliquer
ces résultats ? Le modèle « pecking order » de Myers et Majluf (1984) est une nouvelle fois
utile ici. En effet, lorsque les firmes rencontrent des opportunités créatrices de valeur, elles
vont dans un premier temps se financer via les cashflows internes, ensuite par la dette et en
dernier recours en émettant des titres. Desyllas et Hughes (2010) concluent donc qu’un haut
degré d’endettement n’est pas une contrainte en soi mais est l’image d’un équilibre à un
moment donné entre financement par cashflows ou par émission de titres. Baysinger et
Hoskisson infirment cette théorie en montrant « une relation négative entre le niveau de dette
à long terme et les dépenses en R&D, après ajustement en fonction de la taille de
l’entreprise » (cité par Hitt et al., 1990, p.32) [Notre traduction]. Hall (1988, 1990, 1994),
Clark et Malabre (cité par Hitt et al., 1990) et Miller (1990) vont dans le sens de Baysinger et
Hoskisson. Ils soutiennent qu’un stade avancé d’endettement alourdit les charges de la dette,
réduisant ainsi les montants disponibles pour financer l’innovation. Une préférence est à ce
38.

moment accordée aux flux de trésorerie de court-terme comparé aux profits de long terme.
Desyllas et Hughes (2010) s’accordent également avec Baysinger et Hoskisson mais
soutiennent une autre thèse. Selon eux, plus les dettes sont élevées, plus le risque financier
sera important. Les cashflows devant être ajustés au risque et à l’incertitude, les managers de
la firme acquéreuse éviteront les investissements risqués avec des paybacks de long terme,
comme c’est le cas pour les projets de R&D (Desyllas et Hughes, 2010 ; Laverty, 1996). De
plus, l’état d’endettement est susceptible de limiter la capacité des managers à choisir les
projets dans lesquels ils souhaitent investir car les bailleurs de fonds émettent des provisions
sur les sommes investies (Jensen, 1986, Jensen et Meckling, 1976, Smith et Warner, 1979).

Pour conclure ce point, j’expose la critique de de Man et Duysters (2005) ainsi que Schön et
Pyka (2009) quant à l’usage des mesures d’inputs de la R&D pour évaluer la performance des
F&A. D’après eux, le potentiel de réduction de coût de la R&D est particulièrement marqué
dans les opérations d’acquisition. La diminution du budget alloué à la R&D peut donc donner
l’impression d’un déclin de l’innovation. En réalité, les activités de recherche peuvent être
restées au même niveau mais à un moindre coût. Pour cette raison, les auteurs pensent que les
mesures basées sur l’output de la R&D sont plus pertinentes. Il est également important de
souligner que les mesures de productivité peuvent s’avérer moins pertinentes dans les
industries ayant recours au secret industriel pour protéger la propriété intellectuelle (Fleming,
2001). En effet, dans ce cas, les dépôts de brevets sont un reflet biaisé de l’activité
d’innovation. L’industrie pharmaceutique étant une des trois seules dans lesquelles le brevet
équivaut au produit (Lehman, 2003)27, j’en déduis que les brevets y restent le moyen de
protection le plus efficace et donc privilégié.

Le Tableau 5 synthétise les résultats des différentes études présentées.

27
Les deux autres étant l’industrie chimique et l’industrie biotechnologique (Lehman, 2003)
39.

Tableau 5 : Synthèse des différentes études relatives à l’impact des F&A sur l’intensité de la
R&D
Impact positif Impact neutre Impact négatif
Desyllas et Hughes Hitt et al. (1989, 1991,
Résultats agrégés (2010) ; Hall (1988, 1996) ; Ornaghi (2006,
1999) ; Healy et al. 2009) ; Ravenscraft et
(1992) Scherer (1987) ; Siwolop
(cité par Hitt et al., 1990)
Desyllas et Hughes Baysinger et
Niveau (2010) Hoskisson (cité par Hit et
Résultats désagrégés

d’endettement al., 1990) ; Clark et


Malabre (cité par Hitt et
al., 1990) ; Hall (1988,
1990, 1994) ; Miller
(1990)
Croissance du Desyllas et Hughes
niveau (2010); Hall (1990,
d’endettement 1999) ; Miller (1990)

I.4.2.2. Effets des F&A sur la productivité de la R&D


La plupart des études rencontrées mettent en avant un effet négatif des F&A sur la
productivité de la R&D (Ernst et Vitt, 2000 ; Hitt et al., 1991 ; Ornaghi, 2006, 2009). Seuls
Desyllas et Hughes (2010) défendent un effet neutre. Dans la lignée des études trouvant un
effet négatif sur la productivité, Seru (2014) analyse la réaction des firmes face à ce
phénomène. Il conclut que celles-ci répondent en transférant les activités de R&D en dehors
des frontières de l’organisation en établissant des alliances ou des joint ventures. Roll (1986)
quant à lui s’interroge sur la surestimation dans la littérature des gains liés aux acquisitions.
Desyllas et Hughes (2010) réalisent une synthèse de la littérature explorant les causes de cette
chute de productivité R&D. Hitt et al. (1991, 1996) s’intéressent au détournement du temps et
de l’énergie des managers par rapport au processus de R&D. Une autre cause régulièrement
mise en avant dans la littérature est le bouleversement du processus de R&D et des routines
organisationnelles (Puranam et al., 2006 ; Ranft et Lord, 2002 ; Zollo et Singh, 2004).
Plusieurs auteurs étudient l’impact sur les ressources humaines et avancent la difficulté de
garder les employés clés de la société ou le manque de motivation de ceux-ci post-acquisition
(Chaudhuri et Tabrizi, 1999 ; Ernst et Vitt, 2000 ; Ranft et Lord, 2000).

Ici aussi, les caractéristiques de la firme se portant acquéreur structurent la littérature.


40.

Comme dans le paragraphe précédent, l’état d’endettement et la croissance de celui-ci chez


l’acheteur ont été étudiés comme facteurs déterminants de la productivité R&D post-
acquisition. Desyllas et Hughes (2010) testent avec succès l’hypothèse selon laquelle les
acheteurs présentant un endettement important bénéficient d’une plus haute productivité de la
R&D à la sortie de l’opération de F&A. La raison avancée est le rôle de la dette comme
mécanisme disciplinaire assurant que les managers agissent dans l’intérêt des actionnaires
(Jensen, 1986). En effet, les managers des firmes endettées doivent soumettre leurs décisions
stratégiques au contrôle de leurs investisseurs. Cette obligation les force à sélectionner avec
soin leur cible et à optimiser l’allocation des ressources aux différents projets de recherche
(Desyllas, Hughes, 2010).

Dans un contexte de croissance de la dette, Desyllas et Hughes (2010) observent une


corrélation positive avec le niveau de productivité de la R&D dans la période immédiate
suivant l’acquisition. Ils fournissent également une explication : une augmentation rapide du
financement par la dette peut contribuer à modifier les préférences des managers en termes
d’investissement. Ceux-ci vont privilégier les projets de R&D plus petits, moins risqués et
avec des paybacks plus courts afin de satisfaire les investisseurs. Les auteurs se basent sur les
théories de court-termisme et des choix inter-temporels étudiés par Laverty (1996). Ce
dernier définit les choix inter-temporels comme des choix pour lesquels « l’action qui est la
meilleure dans le court-terme n’est pas la même que celle qui est meilleure dans le long-
terme » (Laverty, 1996, p.828) [Notre traduction].

Prabhu et al. (2005) expliquent quant à eux les différences de performance entre firmes en
ayant recours aux théories utilisant la « knowledge-based view of the firm ». Selon eux, la
taille de la base de connaissances, sa concentration et la similarité avec celle de la cible sont
autant de caractéristiques à dissocier. La première caractéristique étudiée est la quantité de
connaissances maîtrisées par l’organisation acquéreuse. Les F&A contribuent à l’expansion
de ce pool de connaissances, ce qui augmente l’output de la R&D grâce aux économies
d’échelle en R&D ou à l’augmentation potentielle de la probabilité de recombinaisons
innovantes (Fleming, 2001 ; Henderson et Cockburn, 1996). Plusieurs études montrent que les
entreprises présentant une base de connaissances plus large génèreront plus d’innovation à la
suite d’une acquisition (Ahuja et Katila, 2001 ; Cloodt et al., 2006 ; Desyllas et Hughes, 2010,
Prabhu et al., 2005). Une explication se base sur l’hypothèse selon laquelle les connaissances
accumulées au travers des activités de R&D contribuent à améliorer la capacité d’absorption
41.

d’une entreprise (Cohen et Levinthal, 1989 , 1990). Selon Cohen et Levinthal (1989, 1990), la
capacité d’absorption d’un acteur correspond à son talent pour identifier la valeur de
nouvelles informations externes, assimiler ces informations et les utiliser à des fins
commerciales. Mais comment sont liées la capacité d’absorption et la productivité de la
R&D ? D’après Desyllas et Hughes (2010), une meilleure capacité d’absorption améliore les
compétences pour conduire des acquisitions pour deux raisons : premièrement, cela permet
une meilleure sélection des cibles. Ce premier point est lié à ce que Makadok (2001, p.387)
appelle « resource-picking », ou encore ce que Zahra et George (2002, p.185) nomment
« potential absorptive capacity ». Ces concepts regroupent la capacité de comprendre et
d’analyser l’information externe avant d’agir (Desyllas, Hughes, 2010). Deuxièmement, une
augmentation des capacités d’absorption permet de matérialiser les bénéfices potentiels de
l’acquisition via l’exploitation des ressources de la société cible durant la phase
d’implémentation. Makadok (2001, p.387) s’y réfère en parlant de « capability building » et
Zahra et George (2002, p.185) en parlant de « realized absorptive capacity ». Il s’agit donc de
« la capacité à déployer, transformer et exploiter les ressources de la cible » (Desyllas et
Hughes, 2010, p.1107) [Notre traduction], et donc améliorer la productivité de la R&D.

Ahuja et Katila (2001) ainsi que Cloodt et al. (2006) s’intéressent non seulement à la taille de
la base de connaissances en valeur absolue mais aussi en valeur relative. Ils trouvent un
support empirique pour leur hypothèse d’une relation négative entre la taille relative du pool
de connaissances acquis et la productivité de la R&D. La théorie suivante constitue une
explication de ces résultats. La phase d’intégration post-acquisition cause de grosses
perturbations des routines organisationnelles existantes (Puranam et al., 2006 ; Ranft et Lord,
2002 ; Zollo et Singh, 2004) à cause de l’adaptation des canaux de communication et de
pouvoir ainsi que des structures organisationnelles formelles et informelles nécessaires à
l’assimilation des nouvelles ressources (Gerpott, 1995). Dans ces conditions, si le volume de
connaissances acquises est petit par rapport à celui de la firme acquéreuse, l’intégration ne
causera pas de changements majeurs susceptibles d’entacher la performance en R&D. Dans le
cas contraires, de grands changements seront nécessaires, perturbant les processus de
l’organisation (Ahuja et Katila, 2001). Lorsque les bases de connaissances des deux firmes
sont de taille similaire, la majorité des ressources combinées sont consacrées à l’intégration
des deux structures. Par conséquent, ces ressources ne sont plus disponibles pour développer
des innovations (Ahuja et Katila, 2001). En résumé, les grandes entreprises devraient
concentrer leurs efforts de F&A sur l’acquisition d’entreprises de petite taille. Je note que
42.

d’autres études trouvent des résultats conflictuels, empêchant de conclure formellement à


propos de l’impact de la taille des entreprises sur la performance des F&A. Parmi ces
résultats, citons Chakrabarti et al. (1994) qui trouvent une diminution de la performance en
R&D lorsqu’une grande entreprise achète une petite et un optimum lors d’opérations entre
firmes de même taille. Hagedoorn et Duysters (2002), se rallient à cette dernière vision
d’optimum. Si l’on considère la taille de l’organisation comme un proxy de la taille de la base
de connaissances, alors une méta-étude de Schön et Pyka (2009) met également en avant une
relation positive entre la similarité en taille des deux organisations et l’innovation post-
acquisition.

Un autre aspect concerne le degré de concentration de la base de connaissances de la firme


acquéreuse. La littérature soutient que le maintien d’une certaine diversité dans la base de
connaissances (Bierly et Chakrabarti, 1996 ; Desyllas et Hughes, 2010) ou d’une architecture
organisationnelle favorisant le flot d’informations entre différentes entités (Henderson et
Cockburn, 1994) permet de faire face à la complexité qu’implique l’importation de
connaissances venant d’une source externe. Desyllas et Hughes (2010) basent leur opinion est
basée sur la loi de la variété requise de Ashby. Elle est énoncée comme suit : « La « variété »
est le dénombrement de la quantité de comportements et d’états différents mesurés pour un
système donné. […] Pour qu’un système « A » puisse contrôler (à la fois « surveiller » dans
la signification française et « commander » dans la signification anglaise) un système « B »,
il faut et il suffit que la variété de « A » soit supérieure ou au moins égale à celle de « B ». »28
Par ailleurs, le maintien d’une base de connaissances large augmente les chances de liaisons
accidentelles favorables entre différents domaines de compétence (Prabhu et al., 2005).
Au contraire, toujours selon Desyllas et Hughes (2010), plus la base de connaissances de la
firme est concentrée, plus celle-ci développe une expertise spécifique à son industrie. Cette
situation est préférable lorsque la taille de la base de connaissances est limitée (Bierly et
Chakrabarti, 1996). Cependant, l’acquéreur spécialiste aura des difficultés à sélectionner sa
cible, dues à un screening des candidats altéré (Day et Schoemaker cité par Desyllas et
Hughes, 2010). Une base de connaissances étroite a pour conséquence une augmentation de la
probabilité de sélection d’une cible en dehors de son domaine de compétence, ce qui est
handicapant (Chaudhuri et Tabrizi cité par Prabhu et al., 2005). Ensuite, durant la phase
d’implémentation, il risque de souffrir de rigidités l’empêchant de comprendre les routines et

28
William Ross Ashby. (2015, mai 17). Wikipedia, l’encyclopédie libre. Page consultée le avril 21, 2015, à
partir de http://fr.wikipedia.org/wiki/William_Ross_Ashby.
43.

le fonctionnement de l’entreprise acquise (Leonard-Barton, 1992). Néanmoins, si la firme


arrive à sélectionner le candidat idéal, le développement d’une expertise chez l’acquéreur
dans le domaine ciblé améliore les capacités de cette organisation à capturer les bénéfices
d’une acquisition (Desyllas et Hughes, 2010). Ce débat souligne l’étroitesse des liens avec le
dernier aspect à aborder : le degré de similarité entre l’acquéreur et la cible.

Comme on a pu le comprendre dans le paragraphe précédent, Desyllas et Hughes (2010)


mettent en évidence le caractère modérateur de la concentration de la base de connaissances
sur la relation entre la taille du pool de connaissances et la productivité de la R&D. Selon eux,
le signe de cet effet modérateur va cependant dépendre du degré de relation entre l’acquéreur
et la cible. En effet, lorsque les entreprises sont actives dans le même marché, on attend un
effet modérateur positif. Bena et Li (2014) confirment que les acquéreurs présentant un lien
technologique avec la cible produiront plus de brevets en aval. Pour des sociétés actives dans
des marchés différents, l’effet attendu est négatif (Desyllas et Hughes, 2010 ; Hitt et al.,
1991). Les auteurs trouvent un support pour leurs hypothèses.
Selon Cohen et Levinthal (1989), la capacité d’absorption (et donc la capacité à tirer le
meilleur profit d’une acquisition) est intimement et positivement liée au degré de relation
entre les bases de connaissances de la firme acquéreuse et de la firme cible. Pour ces auteurs,
cette théorie explique pourquoi certaines firmes investissent à perte dans de la recherche
fondamentale : simplement pour améliorer leurs capacités à capter et traiter l’information
circulant dans leur environnement. Selon Prabhu et al. (2005), divers travaux suggèrent une
relation linéaire entre le degré de relations des partenaires et l’innovation. Hagedoorn et
Duysters (2002) se joignent à ce courant, en montrant une relation positive entre le degré de
relation et la performance technologique post-acquisition. Seru (2014) montre quant à lui une
chute de la productivité suivant une opération conglomérale. Prabhu et al. (2005) ainsi que
Ahuja et Katila (2001) soutiennent quant à eux une relation non-linéaire. Ces résultats
apportent du crédit à l’argument de Rindfleisch et Moorman (2001) selon lequel un trop haut
degré de relation entraine une redondance néfaste et diminue l’enchâssement recherché. En
opposition, les acquisitions non-liées présenteront de grandes difficultés d’absorption. Une
fonction parabolique inversée est suggérée pour décrire la relation (Prabhu et al., 2005 ;
Cloodt et al., 2006). Enfin, Cassiman et al. (2005) avancent le fait que lorsque les deux firmes
sont actives dans le même domaine technologique, les gains en termes de productivité de la
R&D liés à l’acquisition sont réduits si celles-ci étaient précédemment rivales.
44.

En ce qui concerne d’éventuels effets d’expérience sur la performance d’innovation, les


résultats sont assez similaires à ceux trouvés sur la performance financière. Dans une méta-
analyse, Schön et Pyka (2009) présentent seulement 14% d’études affirmant un effet
d’expérience positif. Parmi ceux-ci se trouve une recherche menée par Hitt, Harrison, Ireland
et Best (cité par Haleblian et Flinkestein, 1999). Par contre, 43% des études parcourues vont
dans le sens inverse. L’explication annoncée est ici aussi la tentation d’une standardisation
des procédures d’intégration pour économiser de l’argent et de l’énergie (Schön et Pyka,
2009). Dans un autre contexte, Zollo et Singh (2004) trouvent une non-significativité des
effets d’expérience sur le Return-On-Assests des banques américaines.

Le secteur d’activité semble jouer un rôle également sur la performance des F&A. Ornaghi
(2006, 2009) analyse un échantillon de F&A au sein de l’industrie pharmaceutique et trouve
un impact négatif sur l’innovation subséquente. En utilisant un échantillon d’opérations dans
l’industrie chimique, Ahuja et Katila (2001) concluent que les F&A n’incluant pas d’actifs
technologiques n’ont pas d’influence sur la fréquence de dépôts de brevets tandis que celles
présentant un aspect technologique auront des effets opposés suivant que l’on mesure la taille
relative ou absolue de l’acquisition (voir pp. 40-41). Le manque d’étude comparant la
performance dans les industries m’empêche de tirer des conclusions.

Enfin, de manière intéressante, de Man et Duysters (2005) réalisent une revue de la littérature
et ne trouvent pas d’influence significative de caractéristiques telles que la géographie des
opérations ou encore l’horizon temporel considéré sur les inputs ou outputs de la R&D post-
acquisition. Leur revue de littérature se base sur l’analyse de quinze études. Premièrement,
pour étudier le critère géographique, ils disposent d’un échantillon d’études se basant sur les
opérations aux Etats-Unis, au Japon, en Allemagne et enfin des études internationales. Le
résultat est la non-significativité du critère géographique (de Man et Duysters, 2005).
Deuxièmement, l’horizon temporel considéré semble être un critère pertinent puisque les
bénéfices des F&A ne sont récoltés que dans le long terme, après les bouleversements liés à
l’intégration. Et pourtant, la non-significativité prévaut ici aussi lorsqu’on compare les
différentes études. Celles-ci présentaient un horizon médian de trois ans et un horizon
maximum de cinq ans (de Man et Duysters, 2005).

Le Tableau 6 synthétise les résultats des différentes études présentées.


45.

Tableau 6: Synthèse des différentes études relatives à l’impact des F&A sur la productivité de
la R&D
Impact positif Impact neutre Impact négatif
Desyllas et Ernst et Vitt (2000) ; Hitt
Hughes (2010) et al. (1991) ; Ornaghi
Résultats agrégés (2006, 2009)

Desyllas et Hughes
Niveau (2010)
d’endetement

Croissance du Desyllas et Hughes


niveau (2010)
d’endettement
Ahuja et Katila (2001) ;
Taille de la base Cloodt et al. (2006) ;
de Desyllas et Hughes
connaissances (2010) ; Prabhu et al.
Résultats désagrégés

(2005)
Taille relative Chakrabarti et al. Ahuja et Katila (2001) ;
de la base de (1994); Hagedoorn et Cloodt et al. (2006)
connaissances Duysters (2002) – avec
de la cible un optimum lorsque les
tailles sont similaires
Desyllas et Hughes Bierly et Chakrabarti
Concentration (2010) (1996) ; Desyllas et
de la base de Hughes (2010) ;
connaissances Henderson et Cockburn
(1994) ; Prabhu et al.
(2005)
Bena et Li (2014) ; Seru (2014) ; Cassiman et
Similarités des Cohen et Levinthal al. (2005) – si entreprises
(1989) ; Desyllas et rivales auparavant
bases de
connaissances Hughes (2010) ; Hitt et
al. (1991) ; Hagedoorn
et Duysters (2002)

En conclusion, la littérature est donc fort divisée sur le sujet de l’impact des F&A sur la
performance et il est difficile de voir émerger des conclusions. Ornaghi (2006) relève
plusieurs causes à ce schisme de la littérature. Premièrement, il remet en cause l’usage de
données inter-industries alors que Andrade et al. (2001) montrent un fort cloisonnement par
industrie des activités de F&A. Deuxièmement, peu de travaux s’intéressent à la performance
de long terme des acquisitions. Brealey et al. (2010) expliquent que l’impact sur la
profitabilité n’est pas visible à long terme comme il est impossible de savoir comment la
firme aurait évolué en l’absence d’acquisition.
46.
47.

PARTIE II: HYPOTHÈSES DE RECHERCHE, DONNÉES ET


MÉTHODOLOGIE

Dans la seconde partie de ce mémoire, je vais exposer mes hypothèses de recherche. Ensuite,
je vais présenter l’échantillon sur lequel sera basée l’analyse ainsi que les différentes sources
de données utilisées. Enfin, une explication de la méthodologie et des modèles utilisés sera
développée.

Chapitre II.1. Développement des hypothèses de recherche

Dans un premier temps, l’objectif est de vérifier l’occurrence des résultats de certaines études
citées dans la revue de littérature au sein de mon échantillon. Lorsque ces études sont
généralistes, ce travail est l’occasion de spécifier les résultats pour l’industrie pharmaceutique
ou de manière plus large dans un contexte de secteur hautement technologique et sensible à
l’innovation. Lorsque les résultats visent déjà l’industrie pharmaceutique, mon échantillon
donnera un aperçu de ce qui se passe dans les Big Pharma plus spécifiquement.

Tout d’abord, je vais m’intéresser à l’impact des F&A sur la performance financière. Les
recherches présentées dans la revue de littérature semblent s’accorder sur le fait que les F&A
ont une influence négative, ou dans le meilleur des cas proche de zéro, sur la performance
financière de court terme de la firme acquéreuse (Andrade et al., 2001 ; Dodd, 1980 ; Jensen
et Ruback, 1983 ; Kirchhoff et Schiereck, 2011). Je vais vérifier ce résultat à l’aide de deux
hypothèses considérant des fenêtres de temps différentes. La fenêtre la plus longue (hypothèse
2) permet de s’assurer que « les effets d’anticipation et les réactions différées sont aussi
incorporés dans l’analyse » (Kirchhoff et Schiereck, 2011, p.31) [Notre traduction].

Hypothèse 1 : dans une période de trois jours entourant l’annonce de la transaction [-1 ;+1],
les opérations de F&A ont un impact négatif sur le rendement financier pour l’actionnariat
de la firme acquéreuse.

Hypothèse 2 : dans une période de 21 jours entourant l’annonce de la transaction [-10 ;+10],
les opérations de F&A ont un impact négatif sur le rendement financier pour l’actionnariat
de la firme acquéreuse.
48.

Ensuite, je me tournerai vers l’analyse de l’impact des acquisitions sur l’innovation au sein de
l’entreprise acheteuse. De manière générale, Hitt et al., (1989, 1991, 1996), Ornaghi, (2006,
2009), Ravenscraft et Scherer (1987), Siwolop (cité par Hitt et al., 1990) émettent l’idée d’une
relation négative entre F&A et innovation. Cette relation est confirmée dans le cas de
l’industrie pharmaceutique (Ornaghi, 2006, 2009). Je vais traduire cette position en mesurant
le lien entre les montants investis dans les acquisitions (MontantAcquisition) et l’intensité de
la R&D (VarIntensitéR&D).

Hypothèse 3 : plus les firmes pharmaceutiques engagent de ressources dans la croissance par
acquisition une année donnée, plus la variation négative de l’intensité de la R&D sera
importante l’année subséquente.

De manière plus spécifique, les auteurs soutiennent souvent que cette relation négative est
contrôlée par diverses variables. Ces variables sont des caractéristiques de la firme
acquéreuse. Dans cette optique, Desyllas et Hugues (2010) trouvent un effet neutre, voire
positif, du niveau d’endettement sur l’intensité de la R&D. Baysinger et Hoskisson (cité par
Hitt et al, 1990), Clark et Malabre (cité par Hitt et al., 1990), Hall (1988, 1990, 1994) et
Miller (1990) défendent une vision opposée. Les auteurs s’accordent donc sur le fait qu’un
effet existe, mais pas sur son signe. Le niveau d’endettement de la firme acquéreuse constitue
donc ma première variable de contrôle (Endettement).
Contrairement au niveau d’endettement, la littérature s’accorde pour démontrer un impact
négatif de la croissance du taux d’endettement sur l’intensité de la R&D dans le cadre d’une
acquisition (Desyllas et Hughes, 2010 ; Hall, 1990, 1999 ; Miller, 1990). Je vais émettre
l’hypothèse selon laquelle les firmes réalisent leur emprunt durant l’année précédent
l’acquisition. La croissance du niveau d’endettement de la firme acquéreuse par rapport à
l’année précédent l’acquisition est ma seconde variable de contrôle (VarEndettement).
Pour poursuivre, la littérature avance l’argument d’une influence positive de la taille de la
base de connaissances de la firme acquéreuse, en valeur absolue, sur la productivité de la
R&D (Ahuja et Katila, 2001 ; Cloodt et al., 2006 ; Desyllas et Hughes, 2010 ; Prabhu et al.,
2005). Afin d’utiliser cette idée, je vais faire deux adaptations. Premièrement, j’utilise la taille
de l’entreprise, mesurée par le nombre d’employés, comme proxy de la taille de la base de
connaissances. L’importance du capital humain dans des secteurs de recherche est un moyen
de justifier cette approximation. Deuxièmement, je remplace la productivité de la R&D par
son intensité. En effet, la collecte de toutes les informations relatives au dépôt de brevets sort
49.

du cadre de ce mémoire. Le nombre d’employés fait office de troisième variable de contrôle


(Employés).
Je vais me limiter à ces trois variables de contrôle. En effet, King et al. (2004) trouvent une
accumulation de résultats prouvant que des variables telles que le mode de paiement ou le
degré de relation entre l’acquéreur et la cible n’ont pas d’influence sur la performance de
l’acquisition.

Un aspect intéressant à développer est le décalage dans le temps qui existe entre l’acquisition
et l’impact sur l’intensité de la R&D. Je vais donc introduire deux variations à l’hypothèse 3.

Hypothèse 4 : plus les firmes pharmaceutiques engagent de ressources dans la croissance par
acquisition une année donnée, plus la variation négative de l’intensité de la R&D sera
importante cette année.

Hypothèse 5 : plus les firmes pharmaceutiques engagent de ressources dans la croissance par
acquisition une année donnée, plus la variation négative de l’intensité de la R&D sera
importante deux années plus tard.

Les hypothèses exposées seront testées dans la troisième partie du mémoire. La section
suivante présente les données collectées.

Chapitre II.2. Données brutes

Trois sources d’informations ont été utilisées : les rapports annuels des entreprises afin de
construire une base de données des F&A, des rapports de la Commission européenne
proposant divers indicateurs utiles à l’analyse de la performance en termes d’innovation et
enfin des sources de données financières.

II.2.1. Base de données de F&A

Premièrement, les données brutes que j’ai pu recueillir dans les rapports annuels forment une
base de données de 263 opérations effectuées dans l’industrie pharmaceutique sur une
décennie, entre le 1er janvier 2004 et le 31 décembre 2013. Parmi ces opérations, on retrouve
50.

209 acquisitions et 54 désinvestissements. Pour chaque transaction, j’ai défini suivant mes
besoins et la disponibilité de l’information :
• La date d’annonce de l’acquisition ;
• L’année de réalisation de la transaction ;
• L’entreprise acquéreuse ;
• L’entreprise cible ;
• Le montant de la transaction ;
• Le département de la firme acquéreuse impacté par l’opération ;
• L’impact de l’acquisition sur le cœur de métier de la firme acquéreuse : renforce le
cœur de métier ou développe les activités périphériques ;
• L’objectif annoncé par l’acquéreur : expansion du portefeuille de produits, pénétration
d’un nouveau marché géographique, pénétration d’un nouveau marché-produit,
amélioration des capacités R&D ou la consolidation du marché.

Par souci de facilité lors de la collecte de données, je me suis concentré sur les transactions
dans lesquelles l’acquéreur est un Big Pharma et plus particulièrement sur les neuf leaders
mondiaux en termes de chiffres d’affaires (en 2009). Ce choix a bien sûr une influence sur
l’interprétation des résultats. Les entreprises concernées sont29 :
1. Jonhson&Johnson (USA) – $61,90 milliards
2. Pfizer (USA) - $50,01 milliards
3. Roche (Suisse) - $45,62 milliards
4. GSK (Royaume-Uni) - £28,368 milliards
5. Novartis (Suisse) - $44,27 milliards
6. Sanofi (France) – 29,306€ milliards
7. AstraZeneca (Royaume-Uni/Suède) - $32,80 milliards
8. Abbott Laboratories (USA) - $30,76 milliards
9. Bayer Healthcare (Allemagne) – 15,99€ milliards
L’objectif initial était de prendre en compte le Top 10, mais j’ai décidé d’exclure Merck&Co
de mon échantillon. En effet, suite à sa fusion avec Schering-Plough en 2009, il devenait
difficile de déterminer quelles opérations devaient être considérées en amont de la fusion.
Une seconde remarque concerne Bayer Healthcare. Il s’agit de la filiale pharmaceutique du
groupe Bayer AG. Dans le reste de ce mémoire, j’ai considéré le groupe Bayer AG dans son

29
Source : rapports annuels de 2009
51.

entièreté. Cette firme étant très active dans le secteur pharmaceutique mais tout de même
diversifiée, il peut être intéressant de l’inclure au cas où des différences importantes
apparaîtraient avec le reste de l’échantillon.

La base de données a été construite sur base des informations publiques dévoilées par ces
neuf entreprises dans leurs comptes annuels entre 2004 et 2013. En effet, la rubrique « Notes
to consolidated financial statements » des rapports annuels possède une section dédiée au
dénombrement de toutes les opérations entrainant une modification du périmètre de
l’entreprise. Je l’ai ensuite complétée à l’aide d’articles de presse divers comprenant souvent
des interviews d’exécutifs des firmes concernées dans lesquelles ces derniers commentent
l’opération et en particulier ses objectifs.
 
L’échantillon de départ contenait plus de 350 opérations. J’ai écrémé cet ensemble afin de ne
garder que les évènements les plus significatifs. Le tri s’est fait sur base des critères suivants.
• Changement de contrôle. Les opérations gardées présentent toutes un changement de
contrôle légal. La firme acquéreuse détient donc directement plus de 50% des parts de
la cible. Vu l’envergure de l’opération ($46,8 milliards), une exception a été faite pour
l’acquisition de Genentech par Roche en 2009. En effet, Roche détenait une part
majoritaire dans Genentech depuis 1990 (Pollack, 2009). L’échantillon inclut la prise
de participations majoritaires dans des joint ventures.
• Type d’acquisition. La base de données ne présente que les opérations à des fins
commerciales ou de recherche. J’ai donc éliminé les acquisitions et désinvestissements
liés à des considérations d’optimisation de production (e.g. investissement dans des
sites de production).
• Disponibilité des informations. N’ont été conservées que les opérations pour
lesquelles j’ai pu trouver des données suffisantes. Ainsi, toutes les acquisitions
reprises sous « Others » ou « Unnamed » ont été éliminées. L’impact sur les résultats
n’est selon moi pas significatif au vu du peu de cas concernés et des faibles montants
liés à ces opérations.

Ce large échantillon est intéressant afin de mener une analyse descriptive des différentes
stratégies et tendances de l’industrie pharmaceutique épinglées dans la revue de littérature. Il
a ensuite été restreint afin de mener les tests statistiques utiles à la confirmation des
52.

hypothèses de recherche formulées au point précédent. A cette fin, la base de données a


également été croisée avec divers indicateurs présentés dans la section suivante.

Un aperçu de la base de données est fourni dans l’Annexe 3, pp.100-104.

II.2.2. Mesure de la performance R&D des entreprises acquéreuses

Dans le but de mesurer la performance en R&D des entreprises, j’ai utilisé les données
fournies par l’Institute for Prospective Technological Studies (IPTS) lié à la Commission
Européenne. Dans le cadre de l’action scientifique « The Economics of Industrial Research &
Innovation (IRI) », l’IPTS publie annuellement le « EU Industrial R&D Investment
Scoreboard ». Ce rapport dispense de précieuses données relatives aux politiques
d’investissement en R&D des firmes les plus innovantes à travers le monde. De plus, l’apport
de données commerciales et financières m’a permis de construire un certain nombre de ratios
pertinents. En particulier, les données fournies par ces rapports sont :
• Les montants investis en R&D ;
• Les ventes nettes ;
• Le nombre d’employés ;
J’ai ajouté à ces données un ratio de passifs non courants sur total de bilan dans le but de
mesurer l’endettement. Toutes ces informations ont été utilisées afin d’analyser l’impact des
F&A sur l’innovation subséquente.

II.2.3. Mesure de la performance financière des entreprises acquéreuses

Afin de calculer les rendements anormaux aux alentours de la date d’annonce de l’acquisition,
j’ai collecté les données de marché des neufs firmes étudiées depuis le 1er janvier 2004
jusqu’au 1 janvier 2014 via la plateforme Yahoo Finance. En particulier, j’ai utilisé les
« adjusted closings » et leur variation quotidienne pour en retirer les rendements journaliers.
J’ai utilisé la même procédure pour les indices de marché américain S&P 500 et européen
STOXX50.
53.

Chapitre II.3. Méthodologie

II.3.1. Effet des F&A sur la performance financière

L’analyse a ici une portée de très court terme. Il s’agit de mesurer le rendement anormal lié à
l’annonce de l’acquisition pour les actionnaires de la firme acquéreuse dans une fenêtre de
temps de trois jours [-1 ; +1] autour de l’annonce de l’opération. Cette fenêtre peut a priori
paraître courte mais les travaux de Fama et al. (1969) concluent que les marchés sont
efficients dans la mesure où la majorité de l’information est intégrée par le marché
immédiatement après l’annonce. Par sécurité, une seconde fenêtre s’étendant sur la période [-
10 ;+10] est également considérée.

Ce type de travail, appelé étude d’événement, est très courant dans la littérature financière. Il
s’agit d’« une méthode statistique pour évaluer l'impact d'un événement sur la valeur d'une
entreprise »30. Ce type d’étude a été initié par Fama, Fisher, Jensen et Roll (1969) dans leur
article The Adjustment of Stock Prices to New Information. La méthodologie ici proposée est
celle de Kirchhoff et Schiereck (2011).

Le rendement anormal est calculé comme « la différence entre le rendement de l’actif


effectivement observé et le rendement théorique attendu » (Kirchhoff et Schiereck, 2011,
p.30) [Notre traduction] :
RAi,t = Ri,t − E(Ri,t )
où,
RAi,t = le rendement anormal de l’actif i au temps t

Ri,t = le rendement observé de l’actif i au temps t
E(Ri,t) = le rendement attendu de l’actif i au temps t

L’élément inconnu est ici E(Ri,t). Sharpe (1963) présente un modèle simplifié pour déterminer
ce paramètre :
E(Ri,t ) = ai + bi × Rm,t


30
Etude d’évènement. (2014, juin 6). Wikipedia, l’encyclopédie libre. Page consultée le juin 26, 2015, à partir
de https://fr.wikipedia.org/wiki/%C3%89tude_d'%C3%A9v%C3%A8nement.
54.

où,
ai = la composante du rendement de l’actif i spécifique à la firme
bi = sensitivité du rendement de l’actif i au rendement d’un indice
Rm,t = rendement d’un indice de marché au temps t

Les paramètres a et b sont les coéfficients d’une régression OLS31 établissant le lien entre le
rendement observé et le rendement d’un indice de marché. Cette régression, déterminée à
l’aide d’Excel, est évaluée sur une période d’estimation s’étendant de -170 à -20 jours avant
l’annonce de l’acquisition (Brunnermeier, 2003). Cette période est considérée comme
« normale » et est supposée ne pas être influencée par l’événement étudié. Les indices de
marché utilisés sont le S&P 500 pour les firmes cotées sur les marchés américains et le
STOXX50 européen pour Bayer.

La moyenne des rendements anormaux journaliers à travers les n opérations est ensuite
calculée :
___ 1 n
RA t = × ∑ RA
n i=1 i,t
où,
___
RA t = le rendement anormal€moyen au temps t
n = le nombre d’opérations de F&A dans l’échantillon


___
Enfin, le rendement anormal cumulé (RAC) est la somme des RA journaliers sur la période
observée, par exemple [-1, +1] :
+1 ___
RAC[−1,+1] = ∑ RA€t
t =−1

Différentes hypothèses sous-tendent cette méthodologie. On suppose entre autres l’existence



d’un marché financer efficace de sorte que le RAC devrait être nul lorsque aucune
information nouvelle n’est dévoilée. De plus, le marché financier évalue correctement
l’information et l’intègre immédiatement dans le prix de l’actif (Kirchhoff et Schiereck,
2011).

31
Ordinary Least Squares
55.

Au vu de la longue période dite « normale » à respecter, la densité de la base de données pose


ici problème. En effet, les effets de différentes F&A risquent de se superposer. Je vais donc
sélectionner les transactions les plus significatives. En se focalisant sur les opérations de plus
d’un milliard de dollars, j’ai un échantillon de 33 cas. Je supprime trois opérations pour
manque de données et une dernière car les F&A étaient trop rapprochées dans le temps.
L’échantillon final compte 29 observations.

II.3.2. Effet des F&A sur l’intensité de la R&D

Sur les 209 acquisitions initialement présentes dans la base de données, seulement 161 on été
prises en compte pour valider les hypothèses de travail. En effet, les opérations réalisées par
Johnson&Johnson et Sanofi ont été retirées car les montants engagés étaient trop souvent
indisponibles, rendant impossible le calcul de la variable MontantAcquisition. Ces 161 F&A
ont ensuite été agrégées pour obtenir les montant totaux investis en F&A sur une base
annuelle. Cette étape était nécessaire car les données bilantaires (les taux d’endettement, le
nombre d’employés, etc.) n’étaient disponibles que sur une base annuelle. Un échantillon
final de 70 observations (soit 7 entreprises entre 2004 et 2013) était donc disponible pour
mener les tests.

J’ai utilisé les régressions linéaires afin d’analyser les hypothèses 3,4 et 5. Les résultats sont
obtenus à l’aide du logiciel statistique R Commander. Je vais faire ici un bref rappel théorique
par rapport à cette méthode et ensuite présenter le modèle testé.

« L’objectif global de la régression est de modéliser les variations d’une variable dépendante
quantitative à l’aide d’une ou de plusieurs variables explicatives […]» (Pigeon et Segers,
2012, p.105). Les modèles qui retiennent notre attention ici sont linéaires. Leur équation
générale est de la forme :
Yi = β0 + β1X1 + β2X2 +…+ βpXp + εi

où Yi est la variable dépendante pour l’observation i, X1,..,p les variables explicatives et εi le


terme d’erreur. Ce terme d’erreur comprend la variabilité de la variable dépendante qui n’est
pas expliquée par les variables explicatives.
56.

Les paramètres β sont estimés via la méthode OLS. Ils sont choisis de sorte à minimiser la
somme des carrés des résidus. Les résidus sont définis comme la déviation entre les valeurs
réellement observées et les valeurs prédites par le modèle (Simar, 2008).

Deux tests d’hypothèse vont nous permettre de valider notre modèle de régression linéaire.
Un premier s’effectue sur les paramètres de manière individuelle et valide leur significativité.
Le second teste la significativité générale de la régression.
• Test d’hypothèse sur un paramètre (Pigeon et Segers, 2012):
H0 : βj = 0
H1 : βj ≠ 0
Sous l’hypothèse nulle, la statistique de test utilisée a une distribution Student. Ce test
est effectué de manière automatique dans R Commander. Il s’accompagne d’une p-
valeur précisant le niveau de confiance du test (‘.’ = valide à 90%, ‘*’ = valide à 95%,
‘**’ = valide à 99%).
• Test d’hypothèse sur l’ensemble des paramètres (Pigeon et Segers, 2012):
H0 : β0 = β1 =…= βj = 0
H1 : il existe au moins un βj ≠ 0
Sous l’hypothèse nulle, la statistique de test utilisée a une distribution Fisher. Ici aussi,
le test est automatique et accompagné de sa p-valeur.

Enfin, une dernière mesure importante fournie par R Commander est le coéfficient de
détermination R2. « Le R2 indique la proportion de la variabilité initiale expliquée par la
régression » (Pigeon et Segers, 2012, p.116).
57.

Les modèles testés au cours de ce mémoire sont les suivants :

Hypothèse 3 :
VarIntensitéR&Dt,t+1 = MontantAcquisitiont + Endettementt + VarEndettementt-1,t + Employést
où :
• t = 2004,…,2012.
• VarIntensitéR&Dt,t+1 = l’évolution entre l’année t et l’année t+1 du ratio des dépenses
R&D sur les ventes nettes de la firme acquéreuse.
• MontantAcquisitiont = le montant total investi par la firme acquéreuse dans des
acquisitions pendant l’année t.
• Endettementt = ratio des passifs non-courant sur le total de bilan de la firme
acquéreuse en année t.
• VarEndettementt-1,t = variation de la variable Endettementt entre l’année t-1 et l’année
t.
• Employést = nombre d’employés de la firme acquéreuse à la fin de l’année t.

Hypothèse 4 :
VarIntensitéR&Dt-1,t = MontantAcquisitiont + Endettementt + VarEndettementt-1,t + Employést
où :
• t = 2004,…,2013.
• Les autres variables sont similaires à celles présentées ci-dessus.

Hypothèse 5 :
VarIntensitéR&Dt+1,t+2 = MontantAcquisitiont + Endettementt + VarEndettementt-1,t + Employést
où :
• t = 2004,…,2011.
• Les autres variables sont similaires à celles présentées ci-dessus.
58.
59.

PARTIE III : RÉSULTATS ET DISCUSSION

La troisième et dernière partie de ce mémoire a pour objet l’analyse d’un échantillon de F&A
survenues au sein de l’industrie pharmaceutique. A partir de cet échantillon, je vais vérifier
l’occurrence de certains résultats d’études mises en avant dans la revue de littérature. Dans un
premier temps, je vais développer une analyse descriptive de mon échantillon afin de mieux
comprendre les stratégies des Big Pharma. Dans un second temps, l’impact des F&A sur la
performance financière sera passé en revue. Enfin, ce sera l’impact sur l’intensité de la R&D
qui retiendra mon attention.

Chapitre III.1. Stratégies des Big Pharma

Pour commencer, je vais illustrer les mouvements structuraux qu’a connus l’industrie
pharmaceutique. Comme exprimé au point I.4.1 de la revue de littérature, l’industrie
pharmaceutique est aujourd’hui à la fois plus spécialisée et plus concentrée.

III.1.1. L’industrie pharmaceutique : une industrie plus spécialisée

Afin de clarifier le mouvement de spécialisation, je vais utiliser la base de données reprenant


l’ensemble des F&A et désinvestissements réalisés par nos neuf firmes témoins entre 2004 et
2013, ainsi que leurs rapports annuels de la même période. Grâce au chiffre d’affaires réalisé
par chaque division relativement au chiffre d’affaire total, je peux établir des hypothèses
quant aux activités constituant le corps de métier de la firme. Plus de précisions concernant la
structure de chaque firme peuvent être trouvées dans les Annexes 4 à 12, pp.105-115. Suivant
la division de la firme acquéreuse impactée, chaque F&A ou désinvestissement sera ensuite
classé comme opération qui « renforce le cœur de métier » ou « développe les activités
périphériques ». Les acquisitions ayant pour objectif d’acquérir des compétences en recherche
fondamentale (et donc non-liées à une activité générant directement un chiffre d’affaires) sont
automatiquement classées dans la catégorie « cœur de métier ».

Après analyse de la base de données, j’obtiens la confirmation de l’hypothèse initiale : les


leaders de l’industrie pharmaceutique se sont en effet spécialisés. Pour les neufs firmes
confondues, 135 acquisitions ont contribué à renforcer le core business entre 2004 et 2013
60.

contre 73 pour les activités périphériques. En termes de nombre d’opérations, les entreprises
constituant mon échantillon ont donc investi deux fois plus dans leur cœur de métier que dans
des segments secondaires. La tendance se confirme quand on regarde les désinvestissements :
19 opérations touchent les activités principales et 35 les périphériques. En combinant ces
résultats, 170 transactions contribuent à la spécialisation de l’industrie et seulement 92
entraînent un effet opposé. Si l’on s’intéresse maintenant aux données disponibles relatives
aux montants engagés dans les acquisitions, $382,95 milliards ont été investis dans les
activités primaires contre seulement $29,93 milliards dans les secteurs secondaires. L’écart
est ici encore flagrant.

Ces résultats doivent être considérés précautionneusement car ils peuvent présenter un biais à
quatre niveaux. Premièrement, les entreprises présentent leurs activités avec des niveaux
d’agrégation différents. Au plus ce niveau est détaillé, au plus le chiffre d’affaires associé à
chaque segment sera réduit. Deuxièmement, j’établis un biais en choisissant moi-même le
seuil de chiffre d’affaires qui segmentera les activités principales et secondaires. Lorsque je
choisis ce palier, j’utilise une mesure relative. En pratique, je prends en compte le chiffre
d’affaires total de la firme ainsi que sa dispersion au sein des différentes divisions.
Troisièmement, les entreprises ne communiquent pas toujours la division impactée. Dans ce
cas, je dois analyser la transaction et émettre des hypothèses quant à cette division. Enfin, il
ne faut pas oublier le caractère dynamique des activités d’une entreprise. Certains business
qui n’étaient plus considérés comme stratégiques en 2013 l’étaient peut être encore en 2004.
Une piste pour affiner l’analyse serait d’évaluer le caractère stratégique d’une acquisition ou
d’un désinvestissement au regard de la composition du business de la firme à l’année de cette
opération.

Il est également intéressant d’analyser les objectifs annoncés par la firme acquéreuse pour
justifier chaque transaction. Selon Allary et Ozdowski (2008), une des stratégies défensives
des Big Pharma afin de faire face aux bouleversements de l’industrie, et en particulier à
l’assèchement des pipelines, est de faire l’acquisition dans le court terme de produits
rapidement commercialisables. Dans le moyen terme, il faut investir dans tous les stades de
développement pour enrichir le pipeline. Cela se caractérise par des investissements dans des
produits et technologies issus de phases de plus en plus précoces de développement afin
d’éviter un envolement des montants engagés. Dans mon échantillon, seulement 20% des
transactions concernent le renforcement des technologies de recherche. Les 80% restants
61.

réfèrent à des produits directement commercialisables amenant des bénéfices de court terme.
C’est à ce segment que je vais maintenant m’intéresser. Parmi ces 80%, 13% contribuent à
étendre l’influence des Big Pharma dans les pays émergents, et en particulier la Chine. En ce
qui concerne les marchés (en termes de produits) sur lesquels les Big Pharma sont déjà
présentes, 31,5% des transactions contribuent à consolider les segments existants et 37,5%
concernent l’élargissement de la gamme à d’autres segments au sein de ce marché. Enfin, un
peu moins de 18% des transactions permettent aux Big Pharma d’explorer de nouveaux
marchés. On peut donc voir que la plupart des transactions s’opèrent sur les marchés déjà
existants.

Pour conclure, mon analyse semble donc trouver du support pour l’hypothèse d’une industrie
pharmaceutique plus spécialisée.

III.1.2. L’industrie pharmaceutique : une industrie plus concentrée ?

La concentration de l’industrie pharmaceutique peut se démontrer à trois niveaux : dans un


premier temps, en mettant en lumière les « méga deals » survenus entre les leaders du
marché ; dans un second temps en analysant en nombre et en valeur les opérations de F&A et
de désinvestissements survenues entre 2004 et 2013 ; et enfin via une mesure plus formelle
telle que l’Herfindahl-Hirschman Index.

La plupart des leaders de l’industrie pharmaceutique sont issus de « méga-fusions » entre de


grands laboratoires. En effet, depuis 1995, on peut isoler les opérations suivantes (Coutinet et
Abecassis, 2008b):
• Pfizer Inc. acquiert Warner-Lambert Co pour $89,2 milliards (2000);
• Pfizer Inc. acquiert Pharmacia Corp pour $59,5 milliards (2003);
• Pfizer Inc. acquiert Wyeth pour $68 milliards (2009) ;
• Glaxo Wellcome PLC acquiert SmithKline Beecham PLC pour $76 milliards (2000) ;
• Sandoz AG acquiert Ciba-Geigy AG pour $30,1 milliards pour former Novartis
(1996) ;
• Sanofi Synthelabo SA acquiert Aventis SA pour $60,2 milliards (2004) ;
• Zeneca Group PLC acquiert Astra AB pour $34,6 milliards (1999) ;
• Bayer AG acquiert Schering AG pour $21,2 milliards (2006).
62.

A côté de cela, les Big Pharma ont également procédé à des « méga-acquisitions» engageant
des montants supérieurs à $10 milliards :
• Johnson & Johnson acquiert le segment « Consumer Healthcare » de Pfizer pour $16,6
milliards (2006) ;
• Johnson & Johnson acquiert Synthes Inc. pour $20,2 milliards (2012) ;
• Roche acquiert Genentech pour $46,8 milliards (2009) ;
• Novartis acquiert Alcon Inc. pour $38,7 milliards (2010) ;
• Sanofi acquiert Genzyme Corporation pour $20,4 milliards (2011) ;
• AstraZeneca acquiert MedImmune Inc. pour $15,6 milliards (2007).
Je remarque que la moitié de ces « méga-deals » concernent l’acquisition de firmes
biotechnologiques (Genentech, Genzyme, MedImmune), soulignant la volonté des Big
Pharma de développer rapidement ce secteur.

Un autre angle de vision peut être adopté pour se convaincre de la concentration de


l’industrie. En effet, dans ma base de données, les neuf Big Pharma ont réalisé 209
acquisitions pour seulement 54 désinvestissements. Mécaniquement, l’industrie a dû se
concentrer. La notion d’industrie pharmaceutique est ici à prendre dans un sens assez large
incluant les activités habituelles des Big Pharma : biotechnologies, diagnostics, produits de
soin en vente libre, etc. Un autre argument en faveur de la concentration peut être établi en
comparant les montants des acquisitions aux montants des désinvestissements. Dans ma base
de données, je remarque que le montant médian des acquisitions est de $0,336 milliards alors
que celui des désinvestissements n’est que de $0,238 milliards. Sous l’hypothèse que les
montants consentis dans les opérations reflètent le chiffre d’affaires futur généré, l’industrie
doit se concentrer en termes de chiffre d’affaires. J’ai ici utilisé une mesure médiane et non
moyenne afin d’éviter le biais lié aux « méga-acquisitions ». En effet, je remarque dans la
base de données que 76% des deals impliquent un montant inférieur à $1 milliard et 6% sont
des « méga-acquisitions » (montant supérieur à $10 milliards). Il existe donc peu d’entre-
deux. Au vu de cette dispersion, l’usage de la médiane me paraît plus approprié.

La mesure de l’Herfindahl-Hirschman Index vient cependant ébranler cette intuition d’une


industrie plus concentrée. En utilisant la taille relative des firmes, cet index mesure la
concentration d’une industrie. Il oscille entre 0 (situation de concurrence parfaite) et 10000
(situation de monopole). La formule suivante est utilisée (Rhoades, 1993):
63.

HHI = ∑ (MSi ) 2
i=1

Le but est de comparer l’évolution de cet index entre 2004 et 2013. Pour ce faire, j’ai compilé
les parts de marché des 100 plus grosses firmes de l’industrie pharmaceutique &

biotechnologique en 2004 et en 2013. Les différents chiffre d’affaires sont fournis dans les
rapports « EU R&D Scoreboard » tandis que la taille du marché est publiée chaque année par
l’EFPIA32 dans ses dossiers « The Pharamceutical Industry in Figures ». Les résultats sont
contraires aux attentes. En effet, l’index vaut 233,85 en 2004 et chute à 197,86 en 2013.
J’attire cependant l’attention du lecteur sur l’inclusion des firmes biotechnologiques dans mon
échantillon. Cet aspect n’était pas spécifié dans la revue de littérature (voir p.21). Cette
remarque peut contribuer à expliquer mon résultat surprenant.

Il est dès lors difficile de conclure sur l’argument d’une industrie pharmaceutique plus
concentrée.

Chapitre III.2. Effets des F&A sur la performance financière

III.2.1. Hypothèses 1&2

A l’aide de la méthode des Rendements Anormaux Cumulés (RAC) présentée au point II.3.1,
j’ai voulu savoir si l’annonce d’une F&A créait de la valeur pour l’actionnaire de la firme
acquéreuse dans le très court terme. Pour ce faire, j’ai testé un échantillon de 29 F&A
engageant des montants supérieurs à $1 milliard. Parmi les 29 régressions linéaires calculées
sur la période dite « normale », 28 sont significatives au moins à un niveau de 1%. Aucune
raison apparente n’explique le risque supérieur (17%) lié à la dernière régression.

Conformément à ce que l’on peut trouver dans la littérature existante, mon échantillon
présente un RAC négatif et proche de zéro. En effet, le return pour les actionnaires de la firme
acquéreuse est de -0,48% dans une fenêtre de 3 jours (Hypothèse 1) et -0,56% dans une
fenêtre de 21 jours (Hypothèse 2). Je trouve donc du support empirique pour les hypothèses 1
et 2. Il apparaît que du coté de la firme qui achète, les acquisitions sont plutôt légèrement
destructrices de valeur, du moins dans le court terme. La faible valeur négative m’empêche

32
European Federation of Pharmaceutical Industries and Associations
64.

cependant de tirer des conclusions formelles. Une chose est cependant claire : les firmes
acquéreuses ne sont pas celles à qui les F&A profitent le plus. Il semblerait même que ses
actionnaires « en viennent presque à subsidier la transaction » (Andrade et al., 2001, p.111)
[Notre traduction]. La faible différence de RAC entre les deux périodes considérées suggère
par ailleurs l’existence d’un effet d’anticipation et d’un effet différé minimes.

Comment expliquer ce résultat ? La première explication qui me vient à l’esprit est le faible
taux de réussite parmi les intégrations post-F&A. A titre d’exemple, Deutsch et West (2010)
avancent un taux d’échec de 66%-75% lorsque l’on utilise les techniques d’intégration qui ont
constitué les best practices de ces dernières décennies. La méfiance des investisseurs de la
firme acquéreuse à l’égard de ce genre d’opération, et le rendement négatif qui en résulte, est
donc compréhensible.
Deuxièmement, la littérature adopte une autre perspective. Les recherches de Andrade et al.
(2001) suggéreraient que le niveau d’agrégation des opérations que j’ai utilisé ici est trop
haut. En effet, en distinguant les F&A financées en cash et celles financées par émission
d’actions, les résultats sont sensiblement différents. Les premières mettent en lumière un
return légèrement positif et les secondes un return significativement négatif (Andrade et al.,
2001). L’effet observé au sein de mon échantillon pourrait donc être la combinaison de deux
tendances opposées.

Enfin, les motivations de l’acquéreur sont aussi importantes. Andrade et al. (2001, p.118)
soutiennent que « si les fusions pouvaient être classées selon leur vraie motivation sous-
jacente, il est possible que celles entreprises pour de bonnes raisons soient bénéfiques à
l’acquéreur ; mais en moyenne, elles sont compensées par celles menées pour de mauvaises
raisons » [Notre traduction]. Toujours selon Andrade et al. (2001, p.118), « il existe de
bonnes et de mauvaises fusions du point de vue de l’actionnaire de la firme acquéreuse »
[Notre traduction]. Les F&A ne seraient donc pas foncièrement bonnes ou mauvaises, mais
leur effet bénéfique serait conditionné par leur motivation. Dans cette lignée, Mitchell et Lehn
(1990) expliquent qu’il existe de bons et de mauvais acquéreurs, les mauvais ayant plus de
risques de devenir la cible à leur tour. Ces arguments suggèrent donc également une découpe
plus profonde de mon échantillon.

Un test complémentaire qui me semble intéressant est d’analyser les effets d’expérience et
leur impact sur la performance financière. Après analyse de la littérature (Haleblian et
65.

Finkelstein, 1999 ; Lubatkin, cité par Haleblian et Finkelstein, 1999 ; Schön et Pyka, 2009), le
signe des effets d’expérience est difficile à prévoir. L’accumulation d’expérience se traduit
chez moi par le nombre de transactions réalisées durant la période 2004-2013. En effectuant
une régression linéaire avec pour variable dépendante le RAC et comme variable explicative
l’expérience, je ne trouve cependant pas de support pour ce test. En effet, les p-valeur
s’établissent toujours au-dessus de 0,5 et le R2 au-dessous de 0,05. Les résultats complets sont
visibles dans l’Annexe 13, p.116.

III.2.2. Résumé des principaux résultats et limites

Le test de mes hypothèses liées à l’impact des acquisitions sur la performance financière me
fournit les résultats suivants :
- Dans une fenêtre de trois jours entourant l’annonce de l’acquisition, j’observe un
rendement anormal négatif mais très proche de zéro pour l’acquéreur.
- Dans une fenêtre de 21 jours entourant l’annonce de l’acquisition, j’observe des
rendements similaires.
- Je ne trouve pas de support prouvant l’influence d’un effet d’expérience sur le
rendement anormal.

Plusieurs remarques et limitations sont également à pointer :


- J’ai utilisé des jours calendrier et non des jours de cotation pour calculer les périodes
étudiées (trois et 21 jours)33. Or, le début ou la fin de ces périodes calendrier peuvent
tomber lors d’une journée où il n’y a pas de cotation. J’utilise dans ce cas le cours de
clôture du prochain jour de cotation, ce cours intégrant quelques informations
supplémentaires débordant de ma fenêtre initiale. L’impact est cependant négligeable.
- Lors du calcul des RAC, j’utilise la performance passée de l’action de l’entreprise face
à un indice pour déterminer le rendement attendu. Andrade et al. (2001) critiquent
cette méthode si l’on accepte que les F&A se produisent en réponse à des chocs au
niveau de l’industrie. Assurément, la performance passée n’est plus pertinente dans le
nouveau contexte. Les auteurs proposent donc d’utiliser la performance dans le reste
de l’industrie, comme le fait Healy et al. (1992). Cela revient à accepter qu’il existe un
comportement commun transversal dans l’industrie pharmaceutique. Or, je pense que

33
Ce choix peut être justifié par le fait que les effets liés à des informations divulguées pendant des jours hors
cotation seront de toute façon assimilés lors de la prochaine ouverture du cours.
66.

les caractéristiques spécifiques de chaque firme sont plus déterminantes que


l’appartenance à un même secteur. Pour cette raison, je m’en tiendrai à la méthode
première.
67.

Chapitre III.3. Effets des F&A sur l’intensité de la R&D

III.3.1. Hypothèse 3

Afin de tester l’hypothèse 3, j’ai dû effectuer deux légères adaptations sur l’échantillon de 70
observations : j’ai retiré les observations de 2013 et certaines de 2004. En effet, je ne dispose
pas des dépenses R&D consenties par mes firmes témoins en 2014. Il n’était donc pas
possible de calculer VarIntensitéR&Dt,t+1. D’autre part, je n’ai pas trouvé les données
d’endettement de GSK et AstraZeneca pour 2003. Je n’ai donc pas pu calculer Endettementt
dans ces cas. Après correction, l’échantillon présente donc 61 observations.

Pour rappel, la relation entre la variation de l’intensité de la R&D, mesurée par l’évolution du
ratio des dépenses R&D sur le chiffre d’affaires net, et l’intensité des activités d’acquisition,
mesurée par les montants annuels qui y sont consacrés, est contrôlée par trois variables : le
niveau d’endettement, la variation de ce niveau et enfin la taille de la firme (Modèle 1).

VarIntensitéR&Dt,t+1 = MontantAcquisitiont + Endettementt + VarEndettementt-1,t + Employést

Après estimation des paramètres de la régression, il se trouve qu’aucun d’eux n’est significatif
à un niveau 10%, exception faite de l’intercepte. Collectivement, le F-test nous montre que les
paramètres ne sont pas significatifs non plus à ce taux de 10%. Enfin, le R2 de la régression
est de 11,76%. On peut en conclure que les variables explicatives et de contrôle ne
contribuent à expliquer que 11,76% de la variabilité de VarIntensitéR&Dt,t+1. Cela est peu
mais pas surprenant au vu de la multitude de paramètres pouvant influencer cette variable.
Entre autres, je pense que les firmes pharmaceutiques ont une organisation orientée « projet ».
Les investissements ne sont pas constants mais plutôt orientés par les opportunités qui se
présentent. Cet aspect est malheureusement difficile à inclure dans le modèle. Les résultats
sont présentés dans le Tableau 7.

Les premiers résultats étant peu concluants, je vais resserrer mon échantillon pour ne garder
que les opérations les plus significatives, c’est-à-dire impliquant des montants supérieurs à $1
milliard (Modèle 2). Mon échantillon ne contient maintenant plus que 28 observations. Les
résultats ne sont pas probants une fois de plus. Les paramètres ainsi que la régression totale ne
sont toujours pas significatifs à un niveau minimal de 10%. Pourtant, je remarque une
68.

amélioration du R2. Je pense qu’une explication raisonnable serait que toutes les petites
opérations ne sont pas assez importantes pour avoir un impact significatif sur la politique
d’investissement en R&D des Big Pharma. En me focalisant sur les grosses opérations, je ne
regarde que celles qui peuvent avoir cet impact, ce qui explique l’augmentation du R2 à
20,93%. Les résultats sont présentés à la figure Tableau 7.

Suite à ces résultats, j’ai utilisé un outil fourni dans R Commander permettant de sélectionner
le meilleur modèle sur base de la mesure du critère d’information d’Akaike (AIC). « Il s’agit
d’un compromis entre la qualité d’ajustement (qui augmente lorsque le nombre de paramètres
augmente) et la parcimonie (nécessité de décrire les données avec le moins de paramètres
possible) » (Pigeon et Segers, 2012, p .116). En pratique, cette fonction va partir d’un modèle
composé uniquement d’une constante et rajouter une à une les variables dans un ordre
décroissant de pouvoir explicatif. L’évolution du critère AIC (à minimiser) va déterminer le
modèle final sélectionné. Grâce à cette méthode, le meilleur modèle trouvé est le
suivant (Modèle 3):

VarIntensitéR&Dt,t+1 = MontantAcquisitiont

Le F-test nous indique que cette régression est globalement significative avec une p-valeur de
1,8%. L’intercepte est quant à lui significatif à un niveau 1% et le coéfficient négatif de la
variable MontantAcquisitiont à un niveau 5%. Le R2 s’établit quant à lui à 19,54%. Les
résultats sont présentés dans le Tableau 7.

Enfin, j’ai voulu savoir si l’inclusion de la société diversifiée Bayer AG dans mon échantillon
avait un impact sur les résultats présentés. Pour ce faire, j’ai recalculé la régression du Modèle
3 mais en prenant soin d’enlever Bayer AG de mon échantillon. Après cette manipulation
j’obtiens un coéfficient de la variable MontantAcquisitiont positif et significatif à un niveau
0,1%. De plus, le R2 augmente considérablement pour atteindre 38,48%. Ces nouveaux
résultats pourraient ébranler les précédents. Cependant, il apparaît que les acquisitions
significatives réalisées par Bayer AG et qui apparaissent dans l’échantillon (c’est à dire les
opérations de 2008, 2006 et 2005) sont toutes liées à l’activité pharmaceutique du groupe. Le
caractère diversifié de la firme n’entre donc pas en ligne de compte. J’imputerai plutôt cette
variation des résultats à un échantillon qui devient trop réduit. Je vais dès lors garder le
Modèle 3 comme base d’analyse.
69.

Tableau 7 : Synthèse des tests statistiques sous R Commander pour les Modèles 1,2 et 3
Modèle 1 Modèle 2 Modèle 3
Intercepte 1.286e-01 2.793e-02 0.0440573
p-valeur = 0.0432* p-valeur = 0.713 p-valeur = 0.00686**
MontantAcquisitiont 1.245e-04 -1.913e-03 -0.0020535
p-valeur = 0.9263 p-valeur = 0.120 p-valeur = 0.01852*
Endettementt -1.844e-01 7.948e-02 N/A
p-valeur = 0.1025 p-valeur = 0.554
VarEndettementt-1,t -2.562e-02 -1.274e-02 N/A
p-valeur = 0.4559 p-valeur = 0.676
Employést -7.030e-07 -8.522e-08 N/A
p-valeur = 0.2957 p-valeur = 0.916
R2 0.1176 0.2093 0.1954
F-test (p-valeur) 0.1291 0.2288 0.01852*

Tout ceci me permet d’établir un premier bilan. Premièrement, mon analyse confirme une
relation significativement négative (à un niveau 5%) entre les ressources investies en
acquisitions et la variation de l’intensité de la R&D. Ces résultats sont conformes à ceux de
Ornaghi (2006, 2009) tirés également d’une analyse de l’industrie pharmaceutique. Je note
toutefois que les ressources engagées doivent être suffisamment importantes pour avoir une
influence sur les investissements R&D. Deuxième observation : il ressort que les variables de
contrôle choisies ne sont pas pertinentes pour l’analyse de mon échantillon. L’endettement, sa
croissance ou la taille de l’entreprise ne sont donc pas des critères importants dans
l’explication des variations de l’intensité de la R&D au sein de mon échantillon. En effet, leur
inclusion au sein de la régression ne fait passer le coéfficient de détermination que de 19,54%
à 20,93%. Ceci n’est pas en ligne avec la littérature.

Une explication plausible à cette non-significativité des variables de contrôle est liée à la
composition spécifique de mon échantillon. En effet, je me suis concentré sur les Big Pharma.
En se rappelant les arguments avancés dans la revue de littérature, deux aspects sont
importants ici : d’une part la taille de ces entreprises et d’autre part l’appartenance au secteur
pharmaceutique.
70.

Je pense que la taille importante des Big Pharma ainsi que leur position dominante sur le
marché leur permettent de s’affranchir d’une dépendance trop forte envers leurs créanciers.
Là où des start-ups pourraient avoir un recours massif à des sources de financement externes
pour lancer leur activité, les Big Pharma bien établies n’empruntent selon moi que pour
poursuivre des opportunités ciblées. De plus, ces emprunts ne représentent qu’une fraction
maîtrisée du total de bilan.
D’autre part, les investissements risqués sont fondamentalement liés à l’industrie
pharmaceutique et à ses activités. Dans la mesure où ces investissements à l’issue incertaine
forment exclusivement le potentiel de revenus futurs, je vois mal l’industrie pharmaceutique
s’en priver. Le secteur ici concerné est donc une explication me permettant d’aller à
l’encontre de l’argument de Desyllas et Hughes (2010) et Laverty (1996) selon lequel les
managers des firmes endettées éviteront les projets risqués de long-terme. Par ailleurs, selon
Jensen (1986), Jensen et Meckling (1976) et Smith et Warner (1979), les bailleurs de fonds
pourraient émettre des provisions par rapport à la destination des investissements, limitant
ainsi la capacité des managers à poursuivre certains projets plus risqués. Comme énoncé plus
haut, je pense que les Big Pharma n’empruntent que pour poursuivre des opportunités bien
précises. La question de la destinations des fonds se pose donc en amont et non en aval,
rendant cet argument nul. En d’autres mots, les investisseurs savent au moment du prêt à quoi
leur argent est destiné.
En ce qui concerne la variable mesurant la taille de l’organisation, elle est censée intégrer
l’idée selon laquelle il existe un effet d’expérience dans la conduction des F&A (Hitt et al.,
cité par Haleblian et Finkelstein, 1999 ; Schön et Pyka, 2009 ; Zollo et Singh, 2004). Après
réflexion, je pense que celle-ci aura plus d’influence sur la productivité de la R&D, comme la
littérature le préconisait initialement (Desyllas et Hughes, 2010 ; Ahuja et Katila, 2001 ;
Cohen et Levinthal, 1990).

Comment peut-on alors expliquer la relation négative entre VarIntensitéR&Dt,t+1 et


MontantAcquisitiont ? Je pense que l’interprétation qui a le plus de sens est l’hypothèse de
réduction des coûts de la R&D liée à l’acquisition (de Man et Duysters, 2005 ; Schön et Pyka,
2009). Les synergies de coûts au niveau de la R&D mises en avant par Heldenbergh (2000)
existeraient donc bien en réalité. Cette théorie met en avant l’intérêt de mesurer la
productivité de la R&D et non son intensité lorsque l’on souhaite analyser l’effet des
acquisitions sur l’innovation. L’adaptation de mon modèle dans un contexte de productivité
71.

de la R&D constitue une piste de recherche future prioritaire, sortant cependant du cadre de ce
mémoire.

Dès lors, quelle variable de contrôle pourrait être intégrée dans le modèle ? Je pense que les
activités des firmes pharmaceutiques, et donc l’allocation de ressources à la R&D, sont
déterminées par la poursuite d’opportunités. Ces opportunités demandent des investissements
sur le long terme. On pourrait donc penser que le principal déterminant de l’intensité de la
R&D est le niveau d’intensité de l’année précédente, traduisant ainsi une continuité dans les
activités de recherche. L’utilisation de VarIntensitéR&Dt-1,t comme unique variable de
contrôle fait monter le coéfficient de détermination à 30,86% mais le coéfficient de la variable
n’est pas significatif à un niveau raisonnable. Cette piste est donc rejetée.

Les différentes sorties R Commander sont visibles dans l’Annexe 14, pp.117-119. Je vais
maintenant m’intéresser à la détermination du décalage qui existe entre l’acquisition et son
impact sur l’intensité de la R&D.

III.3.2. Hypothèse 4

Afin de tester cette hypothèse, j’ai dû enlever certaines opérations de 2004 pour lesquelles je
ne disposais pas des données liées à l’endettement en 2003. Après retrait, mon échantillon
comporte 63 observations.

Le modèle testé est le suivant (Modèle 4):

VarIntensitéR&Dt-1,t = MontantAcquisitiont + Endettementt + VarEndettementt-1,t + Employést

Comme dans le cas de l’hypothèse 3, ce modèle ne convainc pas : les variables explicatives et
de contrôle expliquent moins de 5% de la variabilité de VarIntensitéR&Dt-1,t. De plus, le F-
test nous indique que les coéfficients ne sont pas significatifs. Une limitation aux F&A de
grande taille semble ici aussi nécessaire. Les résultats sont présentés dans le Tableau 8.

En sélectionnant les acquisitions d’un montant supérieur à $1 milliard, mon groupe test
compte 27 cas (Modèle 5). Parmi tous les paramètres de la régression, seuls l’intercepte (à un
niveau 1%) et le coéfficient de la variable Employést (à un niveau 5%) sont significatifs. Les
72.

résultats sont présentés dans le Tableau 8. Contrairement à l’hypothèse 3, je ne trouve plus de


relation significative entre les montants investis en F&A et la variation de l’intensité de la
R&D (Modèle 6). L’hypothèse 4 reste donc sans support empirique.

Tableau 8 : Synthèse des tests statistiques sous R Commander pour les Modèles 4,5 et 6
Modèle 4 Modèle 5 Modèle 6
Intercepte 9.100e-03 2.895e-01 0.0309431
p-valeur = 0.8889 p-valeur = p-valeur = 0.156
0.00372**
MontantAcquisitiont -1.142e-03 4.530e-04 -0.0005161
p-valeur = 0.4229 p-valeur = 0.74828 p-valeur = 0.653
Endettementt -8.685e-02 -1.596e-01 N/A
p-valeur = 0.4509 p-valeur = 0.32198
VarEndettementt-1,t 6.068e-02 2.548e-03 N/A
p-valeur = 0.0942 ° p-valeur = 0.94360
Employést 2.370e-07 -2.369e-06 N/A
p-valeur = 0.7232 p-valeur = 0.02018*
2
R 0.04956 0.2991 0.008231
F-test (p-valeur) 0.5581 0.08606 0.6527

Les sorties R Commander sont présentées dans l’Annexe 15, pp.120-121.

III.3.3. Hypothèse 5

Dans le cas du test de cette hypothèse, j’ai besoin d’une visibilité des données dans une
fenêtre de deux ans suivant l’année de l’acquisition. Mes données s’arrêtant en 2013, j’ai dû
retirer de mon échantillon les opérations complétées en 2012 et 2013. Une fois de plus j’ai
ignoré quelques cas de 2004 en raison d’un manque de données. La base de donnée testée
compte 54 lignes.
73.

Le modèle testé est le suivant (Modèle 7):

VarIntensitéR&Dt+1,t+2 = MontantAcquisitiont + Endettementt + VarEndettementt-1,t + Employést

Comme on peut maintenant s’y attendre, le modèle peine à capturer la variabilité de


VarIntensitéR&Dt+1,t+2 (R2 inférieur à 3%). De plus, aucun coéfficient, pris de manière
individuelle ou collective, n’est significatif au niveau requis. Les résultats sont présentés dans
le Tableau 9.

J’ai donc sélectionné un sous-échantillon sur base du montant des F&A (supérieur à $1
milliard). Celui-ci comporte 24 observations (Modèle 8). De manière similaire à l’hypothèse
4, la régression ne peut pas être utilisée pour interprétation et met en lumière un pauvre
coéfficient de détermination. De plus, aucun lien n’apparaît entre VarIntensitéR&Dt+1,t+2 et
MontantAcquisitiont (Modèle 9). Ici aussi, l’hypothèse 5 n’est pas confirmée au sein de mon
échantillon. Les résultats sont présentés dans le Tableau 9.

Tableau 9 : Synthèse des tests statistiques sous R Commander pour les Modèles 7,8 et 9
Modèle 7 Modèle 8 Modèle 9
Intercepte 7.779e-02 3.862e-02 0.0042807
p-valeur = 0.290 p-valeur = 0.733 p-valeur = 0.837
MontantAcquisitiont 1.852e-04 3.669e-05 -0.0003721
p-valeur = 0.901 p-valeur = 0.982 p-valeur = 0.724
Endettementt -4.841e-02 -9.349e-02 N/A
p-valeur = 0.708 p-valeur = 0.620
VarEndettementt-1,t -1.645e-02 -3.844e-03 N/A
p-valeur = 0.665 p-valeur = 0.923
Employést -6.098e-07 -9.888e-08 N/A
p-valeur = 0.452 p-valeur = 0.938
R2 0.02676 0.02524 0.005796
F-test (p-valeur) 0.8518 0.9725 0.7237

Les sorties R Commander sont visibles dans l’Annexe 16, pp.122-123.


74.

Du test de ces trois hypothèses, je peux tirer un enseignement concernant la portée temporelle
des effets des F&A. Ne pas trouver de support pour les hypothèses 4 et 5 me permet de
conclure que les montants investis en acquisition n’ont pas d’effet immédiat ni d’effet de
moyen terme sur l’intensité de la R&D. Notons que les données bilantaires sont calculées en
fin d’année fiscale (qui correspond ici à l’année civile). Le moyen terme (Hypothèse 5)
couvre donc ici une période s’étalant potentiellement de 12 à 36 mois.34 Mes résultats
montrent un effet significatif seulement entre 0 et 24 mois (Hypothèse 3).35 Je pense qu’une
explication possible est en lien avec la période d’intégration suivant l’acquisition. Dans ma
base de données, l’année de l’acquisition correspond à l’année pendant laquelle la F&A a été
effectuée, et non annoncée. La phase d’exécution va s’enclencher dans la foulée. Selon
Morrissette (2012), cette phase d’intégration nécessite entre six et vingt-quatre mois pour être
menée à bien. Le but est d’y exécuter la stratégie d’intégration déduite du business case de
l’acquisition (Morrissette, 2012), et donc, entre autres, de réaliser les synergies pour créer de
la valeur. On peut dès lors comprendre que l’impact sur l’intensité de la R&D se manifeste
pendant la période d’intégration, ce qui est cohérent avec mes résultats.
Afin d’expliquer le fait que l’impact de l’acquisition ne soit pas immédiat je pense qu’il ne
faut pas oublier que les budgets sont généralement établis sur une base annuelle. La réduction
possible du ratio des dépenses R&D sur les ventes nettes ne pourra donc se répercuter que lors
de la détermination des budgets de l’année suivante.

III.3.4. Résumé des principaux résultats et limites

Le test de mes trois hypothèses liées à l’impact des acquisitions sur l’intensité de la R&D me
fournit les résultats suivants :
- Les ressources investies en acquisitions par les Big Pharma ont un impact
significativement négatif sur l’intensité de la R&D l’année suivant l’acquisition.
- Cet impact se manifeste dans les 24 premiers mois suivant la complétion de
l’opération.
- L’intensité historique de la R&D, la taille de l’entreprise, le niveau d’endettement
ainsi que la croissance de l’endettement dans un contexte d’acquisition n’ont pas
d’influence significative sur l’intensité de la R&D dans les Big Pharma.

34
12 à 24 mois pour les opérations ayant lieu en fin d’année t et 24 à 36 mois pour celles du début de période.
35
0 à 12 mois pour les opérations ayant lieu en fin d’année t et 12 à 24 mois pour celles du début de période.
75.

Plusieurs remarques et limitations sont également à pointer :


- Mon échantillon est très spécifique puisqu’il ne prend en compte que les leaders
mondiaux de l’industrie pharmaceutique.
- L’échantillon présente à certains moments une taille assez faible. Cet aspect peut
avoir un impact sur la significativité des résultats.
- L’impact des effets d’expérience est difficilement mesurable à l’aide de l’intensité
de la R&D. Une mesure de productivité de la R&D semble plus pertinente à cet
égard.
- Le coéfficient de détermination est dans tous les cas assez faible, suggérant
l’existence d’autres variables de contrôle plus pertinentes.
76.
77.

CONCLUSION ET PERSPECTIVES

Lorsqu’une entreprise souhaite croître, un choix doit être effectué entre croissance interne et
externe. Dans les yeux des managers, les fusions et acquisitions apparaissent comme un mode
de développement privilégié. La littérature économique dresse une liste des avantages liés aux
F&A, avec les synergies en tête de pont. Et pourtant, certains auteurs dont Roll (1986)
questionnent l’existence de ces bénéfices. Mon mémoire s’inscrivait dans cette optique : à
savoir, mesurer les gains liés aux acquisitions pour la firme acquéreuse.

Cette question de départ est assez large. Je me suis donc intéressé à deux domaines
particuliers : les performances financières et en termes d’innovation. Ma zone de recherche a
également été délimitée de manière spatio-temporelle : l’industrie pharmaceutique entre 2004
et 2013. J’ai donc opéré au sein d’un cadre de recherche bien délimité.

De manière préalable, et afin d’approfondir ma compréhension de la dynamique de l’industrie


pharmaceutique, j’ai étudié la contribution des F&A dans la modification structurelle de cette
dernière. Une analyse descriptive de mon échantillon de F&A dans l’industrie
pharmaceutique a permis de confirmer l’argument de Coutinet et Abecassis (2008a) selon
lequel les Big Pharma se sont spécialisées au cours de cette dernière décennie. Des preuves
contradictoires sont cependant apparues concernant la concentration accrue de l’industrie.
L’analyse descriptive de mon groupe témoin va dans le sens d’une concentration, l’opinion de
Coutinet et Abecassis (2008a, 2008b) ainsi que Danzon et al. (2004). Toutefois, l’usage d’une
mesure plus sophistiquée telle que l’Herfindahl-Hirschman index ébranle ces résultats. En
effet, je trouve une légère chute de la concentration de l’industrie pharmaceutique entre 2004
et 2013. Cette mesure reste toutefois sensible à la définition de l’industrie : mon calcul
considère à la fois l’industrie pharmaceutique et biotechnologique. L’inclusion des firmes
biotechnologiques peut donc expliquer ce résultat contradictoire.

En ce qui concerne l’analyse financière, j’ai réalisé une étude d’événement classique. Les
résultats ne sont pas surprenants et sont conformes à la majorité de la littérature (Dodd, 1980 ;
Kirchhoff et Schiereck, 2011 ; Andrade et al., 2001). Effectivement, je trouve un rendement
anormal cumulé légèrement négatif pour la firme acquéreuse sur des périodes de trois et 21
jours entourant la date d’annonce de l’acquisition. J’attribue cette destruction de valeur pour
les actionnaires de l’entreprise acquéreuse à l’anticipation du taux important d’échecs lors de
78.

la phase d’implémentation. Au sein de mon échantillon, je ne trouve pas d’influence de l’effet


d’expérience sur le RAC. Ce dernier résultat ne contribue pas à réunir une littérature déjà
sceptique et divisée sur le sujet (Haleblian et Finkelstein, 1999 ; Lubatkin, cité par Haleblian
et Finkelstein, 1999 ; Schön et Pyka, 2009).

Deux limitations importantes méritent d’être soulevées. Tout d’abord, ces résultats peuvent
cacher des disparités au sein de l’échantillon, en particulier des différences relatives au mode
de financement de l’acquisition (Andrade et al., 2001 ; Higgins et Rodriguez, 2006) ou à ses
motivations sous-jacentes (Matsusaka, 1993 ; Mitchell et Lehn, 1990 ; Morck et al., 1990 ;
Porter, 1987). Deuxièmement, une limitation méthodologique est mise en avant par Andrade
et al. (2001). En effet, ce mémoire a présenté la vague récente de F&A dans le secteur
pharmaceutique comme une réponse à une série de chocs structuraux dans cette industrie. Dès
lors, le calcul des RAC en utilisant comme base la performance passée semble inadéquat.
Comme le suggèrent Healy et al. (1992), utiliser la performance dans le reste de l’industrie
semble une meilleure alternative. Toutefois, j’argumente que cette solution n’est pas non plus
optimale si l’on rejoint la vision de Desyllas et Hughes (2010) ainsi que Sorescu et al. (2007)
selon laquelle les caractéristiques de l’entreprise sont le principal déterminant de la réussite
d’une F&A. Ces visions contraires ouvrent le débat.

Lorsque l’on se tourne vers l’impact des F&A sur la performance en termes d’innovation, mes
résultats rejoignent une fois de plus la majorité de la littérature (Hitt et al., 1989, 1991, 1996 ;
Ornaghi, 2006, 2009 ; Ravenscraft et Scherer, 1987 ; Siwolop, cité par Hitt et al., 1990). Je
mets en avant une relation significativement négative entre les ressources investies en F&A
au cours de l’année t et l’intensité de la R&D en année t+1, mesurée par le ratio des dépenses
R&D sur les ventes nettes. Le fait que les revenus de l’industrie pharmaceutique dépendent
majoritairement de leur potentiel d’innovation me fait douter que celles-ci mettent en œuvre
un modèle de croissance qui impacterait négativement ce potentiel. Pour cette raison, je
rejoindrai plutôt la vision de de Man et Duysters (2005) ainsi que Schön et Pyka (2009) selon
laquelle le déclin de l’intensité de la R&D reflète des synergies de coût dans les budgets
accordés à la recherche. Cela concorde avec le fait que ces réductions apparaissent dans les 24
premiers mois suivant la réalisation de la F&A, c’est à dire durant la phase d’implémentation.
Ces constatations entrainent un chamboulement de ma question de recherche initiale : en
voulant montrer l’impact des F&A sur l’innovation, j’aurais plutôt mis en avant l’importance
des synergies de coût dans la recherche pharmaceutique. Pour répondre à la question
79.

première, une mesure de la productivité de la R&D, sous la forme d’un ratio du nombre de
brevets déposés sur les dépenses consenties en R&D, sera plus utile (de Man et Duysters,
2005). Contrairement à ce que l’on peut trouver dans la littérature, je ne trouve pas au sein de
mon échantillon d’influence significative de caractéristiques telles que l’endettement
(Baysinger et Hoskisson, Clark et Malabre, cités par Hitt et al., 1990 ; Desyllas et Hughes,
2010 ; Hall, 1988, 1990, 1994 ; Miller, 1990), sa croissance (Desyllas et Hughes, 2010 ; Hall,
1999 ; Miller, 1990), la taille de l’entreprise (Ahuja et Katila, 2001 ; Cloodt et al., 2006 ;
Desyllas et Hughes, 2010 ; Prabhu et al., 2005) ou encore l’expérience dans la conduction de
F&A (Hitt et al., cité par Haleblian et Finkelstein, 1999 ; Schön et Pyka, 2009 ; Zollo et
Singh, 2004).

Ici aussi, des limitations existent. Premièrement, la taille réduite de l’échantillon pour certains
tests diminue la précision des résultats. Un élargissement de cet échantillon serait donc
bénéfique. Une seconde limitation provient du fait que la réduction de l’intensité de la R&D
est mesurée en termes absolus. Idéalement, mes résultats devraient être ajusté en fonction de
l’évolution des budgets R&D dans le reste de l’industrie.

En arrivant à la conclusion de ce mémoire, je pense que deux hypothèses auraient mérité


d’être testées sans que cela n’ait pu se faire. Tout d’abord, dans le pan financier du mémoire,
il aurait été intéressant de développer une vision de plus long terme (à trois ou cinq ans) sur
l’effet des F&A. En effet, la majorité des études se sont focalisées sur les effets immédiats
suivant l’annonce de l’acquisition, arguant que les effets liés à l’annonce étaient très vite
incorporés dans le prix de l’action (Fama et al., 1969). Cette vision est remise en cause par
plusieurs auteurs. Certains affirment même que l’effet négatif de long-terme sur le cours de la
firme acquéreuse pourrait dépasser l’effet d’annonce positif sur les deux firmes combinées
(Andrade et al., 2001). Dans ce cas, l’effet net total serait négatif. Une analyse des effets sur
le long-terme présente cependant un nombre important de barrières méthodologiques.

La deuxième hypothèse que j’aurais voulu tester est un lien entre les deux grandes parties de
ce mémoire : financière et innovation. En effet, il me semble attrayant de savoir si les
anticipations des investisseurs se révèlent dans les faits. En d’autres mots, un return négatif à
l’annonce de l’acquisition, pouvant traduire le scepticisme des investisseurs, est-il corrélé à
une performance future moindre en termes d’innovation ? Pour diverses raisons pratiques, la
80.

mise en place d’un tel test s’est révélée impossible, laissant la porte ouverte à d’autres
contributions.

Pour conclure ce mémoire, je tiens à souligner que nous avons ici abordé un angle de vue
parmi d’autres pour comprendre le lien entre F&A et innovation. En particulier, j’ai considéré
un lien unilatéral : l’impact des F&A sur l’innovation dans l’entreprise acquéreuse. Pourtant,
cette relation est bilatérale. Plusieurs recherches, dont la récente étude primée de Frésard ,
Hoberg et Phillips (2015), étudient le lien de causalité inverse, montrant comment la
performance en termes d’innovation influence la probabilité d’être la cible d’une acquisition.
Un autre angle de recherche est celui de Boutin (2015) ainsi que Igami et Uetake (2015) : ces
auteurs regardent l’impact des F&A sur l’innovation dans le reste dans l’industrie, via une
analyse de la dynamique de réduction de compétition. Enfin, Katz et Shelanski (2007)
insistent sur l’importance du facteur légal et en particulier des législations antitrust pour
réguler la relation entre fusions et innovation.

La question de la création de valeur faisant l’objet de ce mémoire reçoit ici une réponse
partielle. D’une part, on peut affirmer qu’au sein des Big Pharma, les F&A ne sont pas
créatrices de valeur dans le court terme pour l’actionnaire de la société acquéreuse. D’autre
part, les mécanismes de F&A et d’innovation entretiennent une relation complexe et
conflictuelle. Ce travail, en se focalisant sur l’intensité de la R&D ne permet pas de trancher
sur la question de la création de valeur dans le long terme mais met plutôt en lumière
l’existence de synergies de coût. L’analyse d’autres composantes telles que la performance
financière de long terme, la productivité de la R&D, la création d’emplois permettra de
préciser encore plus la problématique de la création de valeur des F&A. Ce mémoire m’a
donc permis de lever un coin du voile sur le débat relatif à l’impact des F&A qui divise le
monde académique.
81.

BIBLIOGRAPHIE

Ahuja, G., & Katila, R. (2001). Technological acquisitions and the innovation performance of
acquiring firms: a longitudinal study. Strategic Management Journal, 22(3), 197–220.

Alfaro, L., & Charlton, A. (2009). Intra-industry foreign direct investment. American
Economic Review, 99(5), 2096-2119.

Allary, C., & Ozdowski, J. (2008). Stratégie pour l’innovation pharmaceutique. Reflets, août-
septembre, 56-59.

Anand, B.N., & Khanna, T. (2000). Do firms learn to create value? The case of alliances.
Strategic Management Journal, 21(3), 295–315.

Andrade, G., Mitchell, M., & Stafford, E. (2001). New evidence and perspectives on mergers.
Journal of Economic Perspectives, 15(2), 103-120.

Auerbach, A.J. (1988). Mergers and Acquisitions. Chicago : The University of Chicago Press.

Auerbach, A.J., & Reshus, D. (1988). The impact of taxation on mergers and acquisitions. In
A.J. Auerbach (Ed), Mergers and Acquisitions (pp.69-86). Chicago: University of Chicago
Press.

Belleflamme, P. (2014). Cours de Economics of Innovation, Université Catholique de


Louvain, Louvain School of Management.

Bena, J., & Li, K. (2014). Corporate innovations and mergers and acquisitions. Journal of
Finance, 69(5), 1923-1960.

Bierly, P., & Chakrabarti, A. (1996). Generic knowledge strategies in the U.S. pharmaceutical
industry. Strategic Management Journal, 17(Winter special issue), 123-135.
82.

Boutin, X. (2015). Mergers and the dynamics of innovation. Working paper, European Center
for Advanced Research in Economics and Statistics.

Bouwman, C., Fuller, K., & Nain, A. (2003). Stock market valuation and mergers. Sloan
Management Review, 45(1), 9-11.

Brandenburger, A., & Nalebuff, B. (1995). The right game : use game theory to shape
strategy. Harvard Business Review, 73(4), 57-71.

Brealey, R., Myers, S., & Allen, S. (2010). Principles of Corporate Finance. New York :
McGraw-Hill/Irwin.

Bricui, L., & Nivoix, S. (2009). Mise en perspective d’un siècle de fusions-acquisitions en
Europe et aux Etats-Unis. Management & Avenir, 26(6), 52-73.

Broye, G., & Moulin, Y. (2010). Rémunération des dirigeants et gouvernance d’entreprise : le
cas des entreprises françaises cotées. Revue Finance Contrôle Stratégie, 13(1), 67-98.

Brunnermeier, M. (2003). Cours de Institutional Finance, Princeton University.

Capron, L., & Mitchell, W. (2012). Build, borrow or buy. Boston: Harvard Business Press.

Capron, L., & Mitchell, W. (1998). Bilateral resource redeployment and capabilities
improvement following horizontal acquisitions. Industrial and Corporate Change, 7 (3), 453-
484.

Cassiman, B., Colombo, M., Garonne, P., & Veugelers, R. (2005). The impact of M&A on
the R&D process. An empirical analysis of the role of technological and market relatedness.
Research Policy, 34 (2), 455-476.

Chakrabarti, A., Hauschildt, J., & Sueverkruep, C. (1994). Does it pay to acquire
technological firms?. R&D Management, 24(1), 47–56.
83.

Chaudhuri, S., & Tabrizi, B. (1999). Capturing the real value in high-tech acquisitions.
Harvard Business Review, 77(5), 123–130.

Christensen, C.M., Alton, R., Rising, C., & Waldeck, A. (2011). The Big Idea: The New M&A
Playbook.
https://hbr.org/2011/03/the-big-idea-the-new-ma-playbook
(Consulté le 04/07/2015). Article parut sur le site de Harvard Business Review.

Christofferson, S.A., McNish, R.S, & Sias, D.L. (2004). Where mergers go wrong. McKinsey
on Finance, 2004(Winter), 1-6.

Cloodt, M., Hagedoorn, J., & Van Kranenburg, H. (2006). Mergers and acquisitions: their
effect on the innovative performance of companies in high-tech industries. Research Policy,
35 (5), 642–654.

Cohen, W.M., & Levinthal, D.A. (1990). Absorptive capacity: a new perspective on learning
and innovation. Administrative Science Quarterly, 35(1), 128– 152.

Cohen, W.M., & Levinthal, D.A. (1989). Innovation and learning: the two faces of R&D. The
Economic Journal, 99(397), 569–596.

Comanor, W., & Scherer, F. (1969). Patent statistics as a measure of technical change.
Journal of Political Economy, 77(3), 392–398.

Coutinet, N., & Abecassis, P. (2008a). Une approche descriptive des stratégies de F&A et
d’alliances des firmes pharmaceutiques. Journal de Gestion et d’Economie Médicales, 26(6),
317-330.

Coutinet, N., & Abecassis, P. (2008b). Caractéristiques du marché des médicaments et


strategies des firmes pharmaceutiques. Horizons Stratégiques, 1(7), 111-139.

Danzon, P., Epstein, A., & Nicholson, S. (2004). Mergers and acquisitions in the
pharmaceutical and biotech industrie. Working paper, National Bureau of Economic
Research.
84.

de Man, A-P., & Duysters, G. (2005). Collaboration and innovation : a review of the effects
of mergers, acquisitions and alliances on innovation. Strategic Directon, 22(5), 1377-1387.

Desyllas, P., & Hughes, A. (2010). Do high technology acquirers become more innovative?
Research Policy, 39(8), 1105-1121.

Deutsch, C., & West, A. (2010). A new génération of M&A : a McKinsey perspective on the
new opportunities and challenges. McKinsey&Company perspectives on merger integration,
5-9.

DiMasi, J., Hansen, R., & Grabowski, H. (2003). The price of innovation : new estimates of
drug development costs. Journal of Health Economics, 22(2), 151-185.

Dodd, P. (1980). Merger Proposals, Management Discretion, and Stockholder Wealth.


Journal of Financial Economics, 8(2), 105-138.

Dolgin, E. (2010). Big pharma moves from "blockbusters" to "niche busters". Nature
Medicine, 16(8), 837.

Duflos, G., & Pfister, E. (2007). Les determinants des Fusions & Acquisitions: le cas de
l’industrie pharmaceutique. Revue Economique, 58(3), 577-586.

Eckbo, B.E. (1983). Horizontal mergers, collusion, and stockholder wealth. Journal of
Financial Economics, 11(1-4), 241-273.

Ernst, D., & Halevy, T. (2000). When to think alliance. The McKinsey Quarterly, 4, 47–55.

Ernst, H., & Vitt, J. (2000). The influence of corporate acquisitions on the behaviour of key
inventors. R&D Management, 30(2), 105–119.

Fama, E., Fisher, L., Jensen, M.C., & Roll, R. (1969). The Adjustment of Stock Prices to New
Information. International Economic Review, 10(1), 1-21.
85.

Fan, J, & Goyal, V. (2006). On the patterns and wealth effects of vertical mergers. Journal of
Business, 79(2), 877-902.

Fleming, L. (2001). Recombinant uncertainty in technological search. Management Science,


47(1), 117-132.

Frésard, L., Hoberg, G., & Phillips, G. (2015). Innovation activities and the incentives for
vertical acquisitions and integration. Working paper.

Gerpott, T.J. (1995). Successful integration of R&D functions after acquisition: an


exploratory empirical study. R&D Management, 25(2), 161-178.

Giddy, I. (2009). Mergers & Acquisitions : Definitions and Motivations.


http://pages.stern.nyu.edu/~igiddy/articles/mergers_and_acquisitions.html.
(Consulté le 26/04/2015). Prof. Ian Giddy est professeur à NYU Stern.

Gugler, K., Mueller, D., Yurtoglu, B., & Zulehner, C. (2003). The effects of mergers: An
international comparison. International Journal of Industrial Organization, 21(5), 625-653.

Gulati, R. (1998). Alliances and networks. Strategic Management Journal, 19(4), 293-317.

Hagedoorn, J., & Duysters, G., (2002). The effect of mergers and acquisitions on the
technological performance of companies in a high-tech environment. Technology Analysis
and Strategic Management, 14(1), 68–85.

Hagedoorn, J., & Schakenraad, J. (1994). The effect of strategic technology alliances on
company performance. Strategic Management Journal, 15(3), 291–309.

Haleblian, J., & Finkelstein, J. (1999). The influence of organizational acquisition experience
on acquisition performance: A behavioural learning perspective. Administrative Science
Quaterly, 44(1999), 29-56.

Hall, B.H. (1999). Mergers and R&D revisited. Article préparé pour le Quasi-Experimental
Methods Symposium. Econometrics Laboratory, UC Berkeley.
86.

Hall, B.H. (1994). Corporate restructuring and investment horizons in the United States,
1976–1987. Business History Review, 68(1), 110–143.

Hall, B.H. (1990). The impact of corporate restructuring on industrial research and
development. Brookings Papers on Economic Activity, Special issue on Microeconomics.

Hall, B.H. (1988). The Effect of Takeover Activity on Corporate Research and Development.
In A.J. Auerbach (Ed), Corporate Takeovers: Causes and Consequences (pp.69-100).
Chicago: University of Chicago Press.

Hamel, G. (1991). Competition for competence and inter-partner learning with international
strategic alliances. Strategic Management Journal, 12 (Summer special issue), 83-103.

Healy, P., Palepu, K., & Ruback, R.S. (1992). Does corporate performance improve after
mergers ? Journal of Financial Economics, 31(2), 135-175.

Heldenbergh, A. (2000). Les motivations des offres publiques d’acquisition : le profil


financier des cibles. Courier hebdomadaire du CRISP, 1693-1694, 1-69.

Helfat, C.E., & Lieberman, M.B. (2002). The birth of capabilities: market entry and the
importance of pre-history. Industrial and Corporate Change, 11(4), 725–760.

Henderson, R. (1994). Managing Innovation in the Information Age. Harvard Business


Review, 72(3), 100-105.

Henderson, R., & Cockburn, I. (1996). Scale, scope and spillovers : the déterminants of
research productivity in drug discovery. Rand Journal of Economics, 27(1), 32-59.

Henderson, R., & Cockburn, I. (1994). Measuring Competence? Exploring Firm Effects in
Pharmaceutical Research. Strategic Management Journal, 15(Special Issue: competitive
organizational behavior), 63-84.

Higgins, M., & Rodriguez, D. (2006). The outsourcing of R&D through acquisitions in the
pharmaceutical industry. Journal of Financial Economics, 80(2), 351-383.
87.

Hijzen, A., Görg, H., & Manchin, M. (2008). Cross-border mergers and acquisitions and the
role of trade costs. European Economic Review, 52(5), 849-866.

Hitt, M.A., Hoskisson, R.E., Ireland, R.D. (1990). Mergers and Acquisitions and Managerial
Commitment to Innovation in M-Form Firms. Strategic Management Journal, 11(Special
issue : corporate entrepreneurship), 29-47.

Hitt, M.A., Hoskisson, R.E., Ireland, R.D., & Harrison, J.D. (1991). Are acquisitions a poison
pill for innovation? Academy of Management Journal, 34 (3), 693–706.

Hitt, M.A., Hoskisson, R.E., Ireland, R.D., & Harrison, J.D. (1989). Acquisitive growth
strategy and relative R&D intensity: The effects of leverage, diversification. and size.
Academy of Management Best Paper Proceedings, 22-26.

Hitt, M., Hoskisson, R., Johnson, R.A., & Moesel, D.D. (1996). The market for corporate
control and firm innovation. Academy of Management Journal, 39(5), 1084–1119.

Hlavacek, J.D., & Thompson, V.A. (1973). Bureaucracy and new product innovation.
Academy of Management Journal, 16(3), 361-372.

Hornke, M. (2009). Mergers & acquisitions (M&A) in the pharmaceutical and chemical
industries: a lighthouse in choppy waters. Journal of Business Chemistry, 6(1), 7-9.

Hornke, M., & Mandewirth, S. (2010). Mergers & acquisitions (M&A) in the pharmaceutical
industry: the wheel keeps on turning. Journal of Business Chemistry, 7(2), 67-68.

Hoskisson, R. E., & Hitt, M.A. (1988). Strategic control and relative R&D investment in large
multiproduct firms. Strategic Management Journal, 9(6), 605-621.

Howell, R. (1970). Plan to integrate your acquisition. Harvard Business Review, 48(6), 66-76.

Igami, M, & Uetake, K. (2015). Mergers, innovation, and entry-exit dynamics: The
consolidation of the hard disk drive industry (1976-2014). Working paper, Yale Univeristy.
88.

IMAA (2015). Statistics.


http://www.imaa-institute.org/statistics-mergers-acquisitions.html#M&A_Ind_Aerospace&Defense
(Consulté le 04/07/2015). Groupe de réflexion académique sur les F&A.

Jack, A. (2012). Diagnostics creating “niche buster” drugs.


http://www.ft.com/cms/s/0/536bceae-c359-11e1-ad80-00144feabdc0.html#axzz3aCBIdFZp.
(Consulté le 15/05/2015). Article publié le 15 juillet 2012 sur le site du Financial Times.

Jarrell, G., Brickley, J., & Netter, J. (1988). The market for corporate control: the empirical
evidence since 1980. The Journal of Economic Perspectives, 2(1), 49-68.

Jenniges, D. (2013). The determinants of horizontal and vertical cross-border mergers.


Working paper, Department of Economics, University of Kentucky.

Jensen, M.C. (1986). The takeover controversy: analysis and evidence. Midland Corporate
Finance Journal, 4(2), 6–32.

Jensen, M.C., & Meckling, W.H. (1976). Theory of the firm: managerial behavior, agency
costs and ownership structure. Journal of Financial Economics, 3(4), 305–360.

Jensen, M.C., & Ruback, R.S. (1983). The market for corporate control : the scientific
evidence. Journal of Financial Economics, 11(1-4), 5-50.

Katz, M.L, & Shelanski, H.A. (2007). Mergers and innovation. Antitrust Law Journal, 74(1),
1-86.

King, D., Dalton, D., Daily, C., & Covin, J. (2004). Meta-analysis of post-acquisition
performance: indications of unidentified moderators. Strategic Management Journal, 25(2),
187-200.

Kirchhoff, M., & Schiereck, D. (2011). Determinants of M&A success in the pharmaceutical
and biological industry. The IUP Journal of Business Strategy, 8(1), 2011.
89.

KPMG (2015). 2015 M&A Outlook Survey.


http://www.kpmgsurvey-ma.com/?gclid=CPPm6pGEnMMCFQET7Aod3wwArw.
(Consulté le 25/05/2105). Etude réalisée par KPMG auprès de 735 exécutifs pour le magazine
“Mergers and Acquisitions”.

Laverty, K.J. (1996). Economic “Short-termism”: the debate, the unresolved issues, and the
implications for management practice and research. Academy of Management Review, 21(3),
825–860.

Lehman, B. (2003). The Pharmaceutical Industry and the Patent System. International
Intellectual Property Institute.

Leonard-Barton, D. (1992). Core capabilities and core rigidities: a paradox in managing new
product development. Strategic Management Journal, 13(Summer special issue), 111–125.

Liebeskind, J., Oliver, A., Zucker, L., & Brewer, M. (1996). Social networks, Learning, and
flexibility : Sourcing scientific knowledge in the new biotechnology firms. Organizational
Science, 7(4), 428-443.

Lubatkin, M. (1983). Mergers and the performance of the acquiring firm. The Academy of
Management Review, 8(2), 218-225.

Makadok, R. (2001). Toward a synthesis of the resource-based and dynamic-capability views


of rent creation. Strategic Management Journal, 22(5), 387–401.

Matsusaka, J.G. (1993). Takeover motives during the conglomerate merger wave. The RAND
Journal of Economics, 24(3), 357-379.

Méreaux, J.-P. (2011). Fusions-acquisitions et systèmes comptables : une approche


typologique acculturative. Thèse de doctorat en sciences de gestion, Conservatoire national
des arts et metiers – CNAM, Paris.

Michel, A., & Shaked, I. (1985). Evaluating merger performance. California Management
Review, 27(3), 109-118.
90.

Miller, R.B. (1990). Do merger and acquisitions hurt R&D? Research Technology
Management, 33(2), 11–14.

Mintzberg, H . (1979). The Structuring of Organizations. New York : Prentice-Hall.

Mitchell, M., & Lehn, K. (1990). Do bad bidders become good targets ? Journal of Political
Economy, 98(2), 372-398.

Mittra, J. (2007). Life science innovation and the restructuring of the pharmaceutical
industry : merger, acquisition and strategic alliance behaviour of large firms. Technology
Analysis and Strategic Management, 19(3), 279-301.

Morck, R., Shleifer, A., & Vishny, W. (1990). Do managerial objectives drive bad
acquisitions? The Journal of Finance, 45(1), 31-48.

Morrissette, S.G. (2012). Cours de Merger & Acquisition Strategy, University of Chicago,
The Chicago Booth School of Business.

Mucherie, M. (s.d.). Les Fusions-Acquisitions (F&A)


http://www.melchior.fr/les-fusions-acquisitions-f-a.3943.0.html .
(Consulté le 28/06/2015). Site pédagogique à l’attention des professeurs et élèves en sciences
économiques et sociales.

Myers, S.C., & Maljuf, N.S. (1984). Corporate financing and investment decisions when
firms have information that investors do not have. Journal of Financial Economics,13(2),
187–221.

Ornaghi, C. (2009). Mergers and innovation in big pharma. International Journal of


Industrial Organization, 27(1), 70–79.

Ornaghi, C. (2006). Mergers and Innovation : the Case of the Pharmaceutical Industry.
Discussion Paper Series in Economics and Econometrics, n°0605, Economics Division,
School of Social Sciences, University of Southampton.
91.

Ossa, R. (2015). Cours de International Commercial Policy, University of Chicago, The


Chicago Booth School of Business.

Pigeon, M. & Segers, J. (2012). Cours de Analyse Statistique Multivariée, Université


Catholique de Louvain, Faculté des sciences économiques, sociales et politiques.

Pollack, A. (2009). Roche agrees to buy Genentech for $46.8 billion.


http://www.nytimes.com/2009/03/13/business/worldbusiness/13drugs.html?_r=1&.
(Consulté le 25/05/2015). Article publié le 12 mars 2009 sur le site du New-York Times.

Porter, M.E. (1987). From competitive advantage to corporate strategy. Harvard Business
Review, 65(3), 43-59.

Prabhu, J.C., Chandy, R.K., & Ellis, M. (2005). The impact of acquisitions on innovation:
poison pill, placebo, or tonic? Journal of Marketing, 69(1), 114–130.

Puranam, P., Singh, H., & Zollo, M. (2006). Organizing for innovation: managing the
coordination-autonomy dilemma in technology acquisitions. Academy of Management
Journal, 49(2), 263–280.

Ranft, A.L., & Lord, M.D. (2002). Acquiring new technologies and capabilities: a grounded
model of acquisition implementation. Organization Science, 13(4), 420– 441.

Ranft, A.L., & Lord, M.D. (2000). Acquiring new knowledge: the role of retaining human
capital in acquisitions of high-tech firms. Journal of High Technology Management Research,
11(2), 295–319.

Ravenscraft, D.J., & Scherer, F.M. (1987). Mergers, Sell-offs, and Economic Efficiency.
Washington : Brookings Institution.

Rhoades, S.A. (1993). The Herfindahl-Hirschman Index. Federal Reserve Bulletin, 79, 188-
189.
92.

Rindfleisch, A., & Moorman, C. (2001). The Acquisition and Utilization of Informationin
New Product Alliances : A Strength-of-Ties Perspective. Journal of Marketing, 65(2), 1-18.

Risberg, A. (1999). Ambiguities thereafter – An interpretive approach to acquisitions. Malmö


Sweden : Lund University Press.

Rockoff, J. (2011). Pfizer’s future : A niche blockbuster.


http://www.wsj.com/articles/SB10001424053111903352704576538683370950462.
(Consulté le 15/05/2015). Article publié le 30 août 2011 sur le site du Wall Street Journal.

Roll, R. (1986). The hubris hypothesis of corporate takeovers. Journal of Business, 59(2),
197-216.

Scherer F. (1965). Corporate inventive output, profitability and sales growth. Journal of
Political Economy, 73(3), 290–297.

Schön, B., & Pyka, A. (2009). Mergers and acquisitions : their impact on innovativeness of
single firms and entire industries. Thematic Meeting of the French Economic Association
(AFSE) “Firms, Markets and Innovation”, 25-26 juin.

Schweizer, L. (2002). The key drivers and success factors for M&A strategies in the
biotechnological and pharmaceutical industry. Pharmaceuticals Policy and Law, 5(1), 41-62.

Seru, A. (2014). Firm Boundaries Matters: Evidence from Conglomerates and R&D Activity.
Journal of Financial Economics, 111(2), 381-405.

Sharpe, W. (1963). A Simplified Model for Portfolio Analysis. Management Science, 9(2),
277-293.

Simar, L. (2008). Cours de An Introduction to Multivariate Data Analysis, Université


Catholique de Louvain, Faculté des sciences économiques, sociales et politiques.

Smith, C.L., & Warner, J.B. (1979). Bankruptcy, secured debt, and optimal capital structure: a
comment. Journal of Finance, 34(1), 247–251.
93.

Sorescu, A., Chandy, R., & Prabhu, J. (2007). Why some acquisitions do better than others:
product capital as a driver of long-term stock return. Journal of Marketing Research, 44(1),
57-72.

Tufts CSDD (2013). Biotech products in Big Pharma pipelines have grown dramatically.
Tufts CSDD Impact Reports, 15(6).

Tufts CSDD (2010). U.S. orphan product designations more than doubled from 2000-02 to
2006-08. Tufts CSDD Impact Reports, 12(1).

Williamson, O. (1988). Corporate Finance and Corporate Governance. Journal of Finance,


43(3), 567-591.

Yoshino, M., Rangan, S. (1995). Strategic alliances : an entrepreneurial approach to


globalization. Boston : Harvard Business Press.

Zahra, S.A., & George, G. (2002). Absorptive capacity: a review, reconceptualization, and
extension. Academy of Management Review, 27(2), 185–203.

Zollo, M., & Singh, H. (2004). Deliberate learning in corporate acquisitions: post-acquisition
strategies and integration capability in U.S. bank mergers. Strategic Management Journal,
25(13), 1233-1256.
94.
95.

ANNEXES

Annexe 1:
Processus de développement classique d’un médicament

(1) Source : EFPIA, The Pharmaceutical Industry in Figures 2004


96.

Annexe 2 :
Informations complémentaires relatives à la situation de
l’industrie pharmaceutique

INDUSTRY (EFPIA total) 2004 2013


Production 166,500 217,500
R&D Expenditures 21,500 30,630
Employment (units) 588,000 690,000
R&D Employments (units) 100,000 115,000
Pharmaceutical market 180,000 240,800
value at retail prices
Pharmaceutical value at 117,000 163,000
ex-factory prices
(1) Valeurs en millions d’euros sauf indication contraire.
(2) Les pays composant l’EFPIA sont : Allemagne, Autriche, Belgique, Danemark, Espagne,
Finlande, France, Grèce, Irlande, Italie, Norvège, Pays-Bas, Pologne, Portugal, Russie, Suède,
Suisse, Turquie, Royaume-Unis.
(3) Source : EFPIA estimate, The Pharmaceutical Industry in Figures 2004 et 2013.

R&D/NET SALES RATIO 2004 2013


Automobile & Parts 4.6 4.2
Pharmaceuticals & 15.2 14.4
Biotechnology
IT Hardware 15.6 7.9
Electronic & Electrical 6.5 4.3
Equipment
Chemicals 4.2 2.7
Aerosapce & Defence 8.0 4.5
Engineering & Machinery 2.5 2.8
Telecommunication 1.0 1.7
Services
Software & Computer 12.8 9.9
Services
Oil & Gas 0.3 0.3
(1) Source : European Commission, The 2004 & 2013 EU Industrial R&D Investment
Scoreboard.
97.
98.

(1) Europe: € million; USA: $ million; Japan: ¥ million x 100


(2) (e) = estimate
(3) Source : EFPIA member associations, PhRMA, JPMA

(1) Pourcentages calculés sur base de données de 2012


(2) Source : PhRMA, Annual Membership Survey 2014
99.

(1) D’après la nationalité de la société mère.


(2) Source : SCRIP – EFPIA calculations

EMPLOYMENT IN THE PHARMACEUTICAL INDUSTRY

(1) Les données prennent en compte la Turquie (depuis 2011), la Croatie et la Lituanie
(depuis 2010), la Bulgarie, l’Estonie et la Hongrie (depuis 2009), la République Tchèque
(depuis 2008), Chypre (depuis 2007), la Roumanie et la Slovaquie (depuis 2005), Malte, la
Pologne et la Slovénie (depuis 2004).
(2) (e) = estimate
(3) Source : EFPIA member associations (official figures)
100.

Annexe 3 :
Aperçu de la base de données de F&A

Montant
Année Acquéreur Cible (milliard
$)
2013 J&J Flexible Stenting Solutions, Inc.
2013 J&J Shanghai Elsker Mother & Baby Co., Ltd
2013 J&J Aragon Pharmaceuticals, Inc. 1,000
2012 J&J Synthes, Inc. 20,200
2012 J&J Guangzhou Bioseal Biotech Co., Ltd.
2012 J&J Angiotech Pharmaceuticals, Inc. 0,062
2012 J&J Corimmun GmbH
2012 J&J Calibra Medical, Inc.
2012 J&J Spectrum Vision LLC
2012 J&J Unnamed
2011 J&J Crucell N.V. 0,083
2011 J&J J.B. Chemicals & Pharmaceuticals Limited 0,260
2011 J&J Merck Sharp & Dohme Corp 0,175
2011 J&J SterilMed, Inc.
2010 J&J Acclarent, Inc. 0,785
2010 J&J RespiVert Ltd.
2010 J&J Micrus Endovascular LLC
2009 J&J Mentor Corporation 1,120
2009 J&J Cougar Biotechnology, Inc. 1,000
2009 J&J Finsbury Orthopaedics Limited
2009 J&J Gloster Europe
2009 J&J Elan’s Alzheimer’s Immunotherapy Program
2008 J&J Amic AB
2008 J&J Beijing Dabao Cosmetics Co., Ltd.
2008 J&J SurgRx, Inc.
2008 J&J HealthMedia, Inc.
2008 J&J LGE Performance Systems, Inc.
2008 J&J Omrix Biopharmaceuticals, Inc. 0,438
2007 J&J Conor Medsystems, Inc. 1,400
2007 J&J Robert Reid, Inc.
2007 J&J Maya’s Mom
2006 J&J Consumer Healthcare business of Pfizer Inc. 16,600
2006 J&J Animas Corporation 0,518
2006 J&J Hand Innovations LLC
2006 J&J Future Medical Systems S.A.
2006 J&J Vascular Control Systems, Inc.
2006 J&J Groupe Vendô me S.A.
2006 J&J ColBar LifeScience Ltd.
2006 J&J Ensure Medical, Inc.
2005 J&J TransForm Pharmaceuticals, Inc. 0,230
2005 J&J Closure Medical Corporation 0,370
2005 J&J Peninsula Pharmaceuticals, Inc. 0,245
2005 J&J Gillette Company
2004 J&J Egea Biosciences, Inc.
2004 J&J Artemis Medical, Inc. 0,300
101.

2004 J&J Biapharm SAS


2004 J&J Micomed (assets)
2004 J&J Unnamed
2004 J&J Merck 0,175
2012 Pfizer AstraZeneca 0,800
2012 Pfizer NextWave Pharmaceuticals Incorporated 0,442
2012 Pfizer Alacer Corp.
2012 Pfizer Hisun Pfizer Pharmaceuticals Company Ltd 0,123
2011 Pfizer Ferrosan Holding A/S
2011 Pfizer Excaliard Pharmaceuticals, Inc. 0,174
2011 Pfizer Icagen, Inc. 0,056
2011 Pfizer King Pharmaceuticals, Inc. 3,600
2010 Pfizer Synbiotics Corporation 0,020
2010 Pfizer FoldRx Pharmaceuticals, Inc. 0,400
2009 Pfizer Wyeth 68,000
2008 Pfizer Encysive Pharmaceuticals Inc. 0,200
2008 Pfizer Schering-Plough Corporation 0,116
2008 Pfizer Serenex, Inc.
2008 Pfizer CovX
2008 Pfizer Coley Pharmaceutical Group, Inc. 0,164
2007 Pfizer BioRexis Pharmaceutical Corp.
2007 Pfizer Embrex, Inc. 0,155
2006 Pfizer Sanofi-Aventis 1,400
2006 Pfizer PowderMed Ltd. 0,440
2006 Pfizer Rinat Neurosciences Corp. 0,440
2005 Pfizer Vicuron Pharmaceuticals Inc. 1,900
2005 Pfizer Idun Pharmaceuticals Inc. 0,170
2005 Pfizer Bioren Inc. 0,170
2004 Pfizer Sanofi-Aventis 0,525
2004 Pfizer Esperion Therapeutics, Inc. 1,300
2013 Roche Constitution Medical Investors, Inc. 0,286
2012 Roche Verum Diagnostica GmbH 0,011
2011 Roche PVT Probenverteiltechnik GmbH 0,118
2011 Roche mtm laboratories AG 0,264
2011 Roche Anadys Pharmaceuticals, Inc. 0,230
2010 Roche Marcadia Biotech, Inc. 0,377
2010 Roche Medingo Ltd. 0,200
2010 Roche BioImagene, Inc. 0,085
2009 Roche Memory Pharmaceuticals Corp. 0,050
2009 Roche Genentech 46,800
2008 Roche Ventana Medical Systems, Inc. 3,400
2008 Roche Piramed Ltd. 0,175
2008 Roche ARIUS Research Inc. 0,180
2008 Roche Mirus Bio Corporation 0,125
2007 Roche BioVeris Corporation 0,600
2007 Roche Tanox, Inc. 0,919
2007 Roche Therapeutic Human Polyclonals, Inc. 0,057
2007 Roche 454 Life Sciences 0,140
2007 Roche NimbleGen Systems, Inc. 0,273
2005 Roche GlycArt Biotechnology Ltd. 0,189
2004 Roche Igen International Inc. 1,469
102.

2013 GSK Okairos AG 0,336


2012 GSK Human Genome Sciences, Inc. 3,000
2012 GSK Shionogi & Co, Ltd. 0,062
2010 GSK Laboratorios Phoenix S.A.C.yF. 0,269
2009 GSK UCB S.A. 0,757
2009 GSK Stiefel Laboratories, Inc. 4,544
2009 GSK Pfizer Inc. 0,600
2008 GSK Sirtris Pharmaceuticals Inc. 0,697
2007 GSK Reliant Pharmaceuticals Inc. 1,630
2007 GSK Domantis Limited 0,468
2007 GSK Praecis Pharmaceuticals, Inc. 0,078
2006 GSK CNS, Inc. 0,516
2006 GSK Pliva Research Institute Ltd. 0,050
2005 GSK ID Biomedical Corporation 1,590
2005 GSK Corixa Corporation 0,273
2004 GSK Sanofi-Avensis 0,544
2012 Novartis Fougera Pharmaceuticals, Inc. 1,525
2011 Novartis Genoptix, Inc. 0,458
2011 Novartis Zhejiang Tianyuan Bio-Pharmaceutical Co. Ltd 0,194
2010 Novartis Alcon, Inc. 38,700
2010 Novartis Corthera Inc. 0,620
2010 Novartis Oriel Therapeutics Inc. 0,332
2009 Novartis EBEWE Pharma 1,300
2008 Novartis Protez Pharmaceuticals 0,102
2008 Novartis Nektar Therapeutics Inc. 0,115
2005 Novartis Chiron Corporation 5,700
2004 Novartis AstraZeneca
2004 Novartis Sabex Inc. 0,565
2004 Novartis Mead Johnson 0,385
2013 Sanofi Genfar S.A.
2012 Sanofi Pluromed, Inc.
2012 Sanofi Newport
2011 Sanofi Genzyme Corporation 20,400
2011 Sanofi BMP Sunstone Corporation 0,384
2011 Sanofi Topaz Pharmaceuticals, Inc. 0,207
2011 Sanofi Universal Medicare Private Limited 0,116
2010 Sanofi TargeGen, Inc. 0,560
2010 Sanofi Chattem, Inc.
2010 Sanofi Bioton Vostok
2010 Sanofi Canderm Pharma, Inc.
2010 Sanofi Nepentes S.A. 0,141
2010 Sanofi VaxDesign 0,060
2010 Sanofi Minsheng Pharmaceutical Co., Ltd.
2009 Sanofi BiPar Sciences 0,697
2009 Sanofi Medley 0,536
2009 Sanofi Zentiva N.V. 1,674
2009 Sanofi Shantha Biotechnics
2009 Sanofi Fovea Pharmaceuticals SA 0,391
2009 Sanofi Oenobiol
2009 Sanofi Laboratorios Kendrick
2009 Sanofi Helvepharm
103.

2008 Sanofi Acambis plc 0,419


2008 Sanofi Symbion CP Holdings Pty Ltd 0,478
2004 Sanofi Aventis 65,815
2013 AstraZeneca Pearl Therapeutics 1,010
2013 AstraZeneca Omthera Pharmaceuticals, Inc. 0,443
2013 AstraZeneca Amplimmune 0,500
2013 AstraZeneca Spirogen 0,440
2012 AstraZeneca Ardea 1,260
2010 AstraZeneca Novexel S.A. 0,425
2007 AstraZeneca MedImmune, Inc. 15,600
2007 AstraZeneca Arrow Therapeutics Limited 0,147
2007 AstraZeneca Atlantis Components Inc. 0,071
2006 AstraZeneca Cambridge Antibody Technology Group plc 1,074
2006 AstraZeneca KuDOS Pharmaceuticals Limited 0,206
2013 Abbott Lab IDEV Technologies 0,320
2013 Abbott Lab OptiMedica 0,400
2012 Abbott Lab Action Pharma 0,110
2010 Abbott Lab Piramal Healthcare Limited 3,720
2010 Abbott Lab Solvay Pharmaceuticals 6,200
2010 Abbott Lab STARLIMS Technologies 0,123
2010 Abbott Lab Facet Biotech Corporation 0,450
2009 Abbott Lab Advanced Medical Optics, Inc. 1,360
2009 Abbott Lab Visiogen, Inc. 0,400
2009 Abbott Lab Evalve, Inc. 0,730
2009 Abbott Lab Ibis Biosciences, Inc. 0,215
2009 Abbott Lab PanGenetics 0,190
2006 Abbott Lab Kos Pharmaceuticals Inc. 3,800
2006 Abbott Lab Guidant 4,100
2004 Abbott Lab TheraSense, Inc. 1,200
2004 Abbott Lab i-STAT Corporation 0,392
2004 Abbott Lab EAS 0,320
2004 Abbott Lab Spine Next 0,060
2013 Bayer AG Teva Animal Health Inc. 0,145
2013 Bayer AG PROPHYTA Biologischer Pflanzenschutz GmbH 0,046
2013 Bayer AG Wehrtec Tecnologia Agricola Ltda 0,030
2013 Bayer AG Agricola Wehrmann Ltda 0,030
2013 Bayer AG Conceptus, Inc. 1,036
2013 Bayer AG Steigerwald Arzneimittelwerk GmbH 0,290
2013 Bayer AG FN Semillas S.A. 0,017
2013 Bayer AG Holding Manager S.A. 0,017
2012 Bayer AG Baulé S.A.S. 0,064
2012 Bayer AG Abbott & Cobb Inc. 0,055
2012 Bayer AG AgraQuest, Inc. 0,482
2011 Bayer AG Bomac group 0,102
2011 Bayer AG Hornbeck Seed Company, Inc. 0,042
2011 Bayer AG Pathway Medical Technologies, Inc. 0,122
2011 Bayer AG Raps GbR 0,036
2010 Bayer AG Artificial Muscle, Inc. 0,028
2010 Bayer AG BayOne Urethane Systems llc 0,020
2009 Bayer AG SkinMedica, Inc. 0,060
2009 Bayer AG Athenix Corporation 0,399
104.

2008 Bayer AG Possis Medical Inc. 0,334


2008 Bayer AG Sagmel, Inc. 0,390
Topsun Science and Technology Qidong
2008 Bayer AG 0,160
Gaitianli Pharmaceutical Co. Ltd.
2008 Bayer AG Direvo Biotech AG 0,272
2007 Bayer AG Monsanto 0,318
2007 Bayer AG Ure-Tech Group 0,086
2006 Bayer AG Schering AG 21,220
2006 Bayer AG Icon Genetics AG 0,023
2006 Bayer AG Metrika Inc. 0,072
2005 Bayer AG Roche Consumer Health business 2,909
2005 Bayer AG Polythane Systems, Inc. 0,025
105.

Annexe 4 :
Composition des activités de Johnson&Johnson

(1) Source : Johnson & Johnson Annual Report (2013, chairman’s letter)

Les secteurs d’activité présentant un chiffre d’affaires supérieur à $3,5 milliards sont
considérés comme étant le cœur d’activité36, les autres formant les activités périphériques. En
2013, les huit plus gros segments de Johnson & Johnson représentaient $46,7 milliards ou
$5,84 milliards en moyenne, soit 65% des revenus totaux. Ces segments sont :
« Orthopaedics », « Immunology », « Neuroscience », « Surgical Care », « Over-the-
Counter », « Oncology », « Skin Care » et « Infectious Diseases ». Les onze activités
périphériques constituent les 35% restant, avec des ventes moyennes de $1,97 milliard37.

36
Le segment « Pharmaceuticals – Others », malgré ses $4 milliards de revenus, est directement classé comme
activité périphérique. On peut en effet raisonnablement faire l’hypothèse qu’il s’agit d’une collection d’activités
de moindre importance.
37
Le segment « Pharmaceuticals – Others » a été exclu du calcul de moyenne au vu du manqué d’informations
concernant le nombre d’activités le constituant.
106.

Annexe 5 :
Composition des activités de Pfizer

• Primary Care ($13,272 milliards en 2013)


Produits pharmaceutiques sous prescription délivrée principalement par des médecins
généralistes.

• Specialty Care and Oncology ($14,934 milliards en 2013)


o Specialty Care ($13,288 milliards en 2013): ce segment inclut les revenus des
ventes de produits pharmaceutiques sous prescription délivrée par les médecins
spécialistes.
o Oncology ($1,646 milliards en 2013): ce segment inclut les revenus des ventes de
produits pharmaceutiques sous prescription s’attaquant aux cancers et aux
maladies qui y sont liées.

• Established Products and Emerging Markets ($19,672 milliards en 2013)


o Established Products ($9,457 milliards en 2013): ce segment inclut les revenus
des ventes de produits pharmaceutiques sous prescription qui ont perdu leur brevet
ou l’exclusivité marketing dans certains pays ou régions.
o Emerging Markets ($10,215 milliards en 2013): ce segment inclut les revenus
des ventes de produits pharmaceutiques sous prescription dans les marchés
émergents, à savoir l’Asie (Japon et Corée du Sud exclus), l’Amérique Latine, le
Moyen Orient, l’Europe de l’Est, l’Afrique, la Turquie et l’Europe Centrale.

• Consumer Healthcare ($3,574 milliards)


Ce segment inclut les revenus des ventes de produits pharmaceutiques vendus sans
prescription.

(1) Source : Pfizer Annual Report 2013

Le montant minimal est ici également fixé à $3,5 milliards. La structure de Pfizer est bien
plus homogène que celle de Johnson & Johnson. Les segments formant le cœur de métier sont
« Primary Care » ($13,27 milliards, 26% des revenus totaux), « Specialty Care » ($13,29
milliards, 26%), « Emerging Markets » ($10,21 milliards, 20%) et « Established Products »
($9,46 milliards, 18%). Le cœur de métier représente $46,23 milliards, soit 90% du chiffre
d’affaires. Les activités périphériques représentent donc les 10% restant. Il s’agit des
segments « Oncology » ($1,65 milliards) et « Consumer Healthcare » ($3,57 milliards).
107.

Annexe 6 :
Composition des activités de Roche

• Pharmaceuticals Division (CHF36,304 milliards en 2013)

• Diagnostics Division (CHF10,476 milliards en 2013)

(1) Source: Roche Financial Report (2013, pp.12,26)

Les activités générant des revenus supérieurs à 3 milliards CHF sont considérées comme étant
le core business. Il s’agit des segments : « Oncology » (22,55 milliards CHF, 48% des
revenus totaux), « Immunology » (4,63 milliards CHF, 10%), « Infectious Disease » (3,18
milliards CHF, 7%) et « Professional Diagnostics » (5,74 milliards CHF, 12%). Ces quatre
segments contribuent donc à 77% du chiffre d’affaires total de 2013, à savoir 46,78 milliards
CHF.
108.

Annexe 7 :
Composition des activités de GSK

GSK s’articule autour de trois divisions :


• Pharmaceuticals
• Vaccines
• Consumer Healthcare

(1) Source: GSK Annual Report (2013, pp.60-62)

Compte tenu de la plus grande hétérogénéité des marchés de GSK, j’ai descendu le critère de
sélection à £1 milliard. Les activités retenues sont dès lors « Vaccines » (£3,42 milliards, 13%
109.

des revenus totaux), « Total Wellness » (£1,93 milliard, 7%), « Oral Care » (£1,88 milliard,
7%), « Nutrition » (£1,10 milliard, 4%) et dans la division médicamenteuse : « Respiratory »
(£7,52 milliards, 28%), « Central Nervous System » (£1,48 milliard, 6%), « Cardiovascular
and Urogenital » (£2,24 milliards, 8%), « Anti-bacterials » (£1,24 milliard, 5%), « HIV »
(£1,39 milliard, 5%). Ces activités représentent un total de 84% des ventes. Le reste des £26,5
milliards de revenus est généré par huit autres marchés secondaires.
110.

Annexe 8 :
Composition des activités de Novartis

• Pharmaceuticals
Développe des médicaments à la pointe de la recherche, notamment en oncologie, dans les
soins primaires ou encore en médecine spécialisée.
o Oncology ($11,703 milliards en 2014)
o Primary Care ($7,961 milliards en 2014)
o Neuroscience ($4,509 milliards en 2014)
o Integrated Hospital Care ($3,112 milliards en 2014)
o Opthalmics ($2,504 milliards en 2014)
o Others ($2,002 milliards en 2014)

• Sandoz
Sandoz est un leader mondial dans l’industrie des médicaments génériques.
o Retail generics ($7,933 milliards en 2014)
o Anti-Infectives ($0,535 milliard en 2014)
o Biopharmaceuticals and Oncology injectables ($1,094 milliard en 2014)

• Vaccines and Diagnostics


« Vaccines and diagnostics » est actif dans le développement, la production et la mise sur le
marché de vaccins.
o Influenza ($0,476 milliard en 2014)
o Meningitis ($0,454B milliard en 2014)
o Travel and Pediatrics ($0,607 milliard en 2014)

• Alcon
Alcon fournit des produits innovants qui améliorent la qualité de vie en aidant les gens à
travers le monde à voir mieux.
o Surgical ($2,504 milliards en 2014)
o Opthalmic pharmaceuticals ($4,211 milliards en 2014)
o Vision Care ($2,543 milliards en 2014)

• Consumer Health
Cette division se focalise sur les marques de soins personnels pour les consommateurs et les
médicaments vétérinaires pour les animaux de compagnie et de ferme.
o OTC ($3,105 milliards en 2014)
o Animal Health ($1,174 milliard en 2014)
o Medical Nutrition ($1 milliard en 2006)

(1) Source: Novartis Annual Report 2014

Dans ce cas-ci, je définis les activités principales comme celles générant des ventes
supérieures à $4 milliards. A ce titre, j’isole les segments « Oncology » ($11,7 milliards, 20%
des revenus totaux), « Primary Care » ($7,96 milliards, 14%), « Neuroscience » ($4,91
milliards, 8%), « Retail Generics » ($7,93 milliards, 14%), « Ophtalmic Pharmaceuticals »
111.

($4,21 milliards, 7%). 63% des résultats sont donc générés par le cœur de métier. Les 37%
restant proviennent de douze activités périphériques. Les résultats de 2014 ont été utilisés ici.
112.

Annexe 9 :
Composition des activités de Sanofi

• Activité Pharmacie (27,25 milliards € en 2013)


o Diabète (6,568 milliards € en 2013)
o Maladies Rares (2,142 milliards € en 2013)
o Oncologie (1,465 milliard € en 2013)
o Autres Produits de Prescription (12,446 milliards € en 2013)
o Santé Grand Public (3,004 milliards € en 2013)
o Génériques (1,625 milliard € en 2013)

• Activité Vaccins Humains (3,716 milliards € en 2013)


o Vaccins Pédiatriques (polio-coqueluche) (1,148 milliard € en 2013)
o Vaccins Grippe (0,929 milliard € en 2013)
o Vaccins Méningite Pneumonie (0,496 milliard € en 2013)
o Vaccins Rappels Adultes (0,391 milliard € en 2013)
o Vaccins Voyageurs et autres Endémiques (0,382 milliard € en 2013)
o Autres Vaccins (0,37 milliar € en 2013)

• Activité Santé Animale (1,985 milliard € en 2013)


o Parasiticide
o Agents Anti-infectieux
o Autres Produits Pharmaceutiques
o Vaccins

(1) Source :
http://www.sanofi.com/investisseurs/chiffres_cles/chiffre_affaires/chiffre_affaires.aspx#para_
2 (Consulté pour la dernière fois le 30/05/2015).

Le seuil de démarcation entre activités principales et secondaires est fixé à 1,5 milliard €. Au
dessus de ce seuil, je trouve les segments suivants : Diabète (6,57 milliards €, 19% des
revenus totaux), Maladies Rares (2,14 milliards €, 6%), Autres produits de prescription (12,47
milliards €, 37%), Santé Grand public (3 milliards €, 9%), Génériques (1,62 milliard €, 5%) et
enfin l’activité Santé Animale (1,98 milliard €, 6%). Cela représente un total de 27,77
milliards €, soit 82% des ventes.
113.

Annexe 10 :
Composition des activités de AstraZeneca

• Cardiovascular and Metabolic Disease (CVMD) ($8,83 milliards en 2013)


• Oncology ($3,193 milliards en 2013)
• Respiratory, Inflammation and Autoimmunity (RIA) ($4,677 milliards en 2013)
• Infection, Neuroscience and Gastrointestinal (ING) ($9,011 milliards en 2013)

(1) Source : AstraZeneca Annual Report 2013

Les activités d’AstraZeneca sont concentrées autour de quatre segments, constituant tous le
cœur de métier: « Cardiovascular and Metabolic Disease » ($8,83 milliards en 2013, 34% des
revenus totaux), « Oncology » ($3,19 milliards, 12%), « Respiratory, Inflammation and
Autoimmunity » ($4,68 milliards, 18%) et « Infection, Neuroscience and Gastrointestinal »
($9,01 milliards, 35%).
114.

Annexe 11 :
Composition des activités de Abbott Laboratories

Source : Abbott Laboratories Annual Report (2013, p.9)

• Nutrition ($6.74 milliards en 2013)

• Medical Devices ($5.46 milliards en 2013)


o Vascular Devices ($3.01 milliards en 2013)
o Diabetes Care ($1.31 milliard en 2013)
o Vision Care ($1.14 milliard en 2013)

• Established Pharmaceuticals ($4.974 milliards en 2013)


o Gastroenterology
o Women’s Health
o Cardiovascular
o Pain/Central Nervous System
o Respiratory Anti-Infectives

• Diagnostics ($4.545 milliards en 2013)

(1) Source : Abbott Laboratories Annual Report 2013

La stratégie de Abbott Laboratories se développe autour de quatre axes, chacun produisant


des revenus supérieurs à $3 milliards : « Nutrition » ($6,74 milliards, 31% des revenus
totaux), « Vascular Devices » ($3,01 milliards, 14%), « Established Pharmaceuticals » ($4,97
milliards, 23%) et « Diagnostics ($4,54 milliards, 21%). Ces quatre axes totalisent 89% des
revenus. La gamme est complétée par des activités secondaires, notamment sur le marché des
appareils liés aux soins du diabète et de la vision.
115.

Annexe 12 :
Composition des activités de Bayer AG

• Healthcare Division (18,924 milliards € en 2013)


o Pharmaceuticals (11,188 milliards € en 2013)
Ce segment fournit principalement des produits vendus sous prescription.
o Consumer Health (7,736 milliards € en 2013)
• Consumer Care (3,904 milliards € en 2013)
Le portefeuille de ce segment est principalement composé de produits vendus sans
prescription.
• Medical Care Division (2,526 milliards € en 2013)
Principalement des équipements aidant au traitement du diabète.
• Animal Health Division (1,306 milliard € en 2013)
Cette division offre un large portefeuille de médicaments, aliments, et produits de toilette et
d’hygiène pour les animaux de ferme et de compagnie.

• Crop Science Division (8,819 milliards € en 2013)


CropScience offre une gamme complète de produits et services pour l’agriculture dans les
domaines des engrais pour semences et de la protection des cultures.
o Crop Protection (6,273 milliards € en 2013)
• Herbicides (2,456 milliards € en 2013)
• Fungicides (2,195 milliards € en 2013)
• Insecticides (1,622 milliard € en 2013)
o Seeds (1,895 milliard € en 2013)
• Seed Growth (0,921 milliard € en 2013)
• Seeds (0,974 milliard € en 2013)

• Material Science Division (11,238B€ in 2013)


MaterialScience est un fabriquant et fournisseur d’appliques pour mousses rigides ou
flexibles, de granulés de plastique et de matières premières pour les matériaux de revêtement
et les adhésifs.
o Polyurethanes (6,054 milliards € en 2013)
o Polycarbonates (2,64 milliards € en 2013)
o Coatings, adhesives, Specialties (1,863 milliard € en 2013)
o Industrial Operations (0,681 milliard € en 2013)

(1) Source : Bayer Healthcare Annual Report 2013

Le seuil choisi est ici de $3 milliards. Les marchés rapportant des revenus supérieurs sont
« Pharmaceuticals » ($11,19 milliards, 28% des revenus totaux), « Consumer Care » ($3,9
milliards, 10%), « Crop Protection » ($6,27 milliards, 16%) et « Polyurethanes » ($6,05
milliards, 15%). Avec des ventes de $27,42 milliards, ces segments totalisent 68% des
revenus de Bayer.
116.

Annexe 13 :
Effet d’expérience sur l’impact financière des F&A -
sorties R Commander

Dans le cadre de l’Hypothèse 1 :

Dans le cadre de l’Hypothèse 2 :


117.

Annexe 14 :
Hypothèse 3 – sorties R Commander

Modèle 1 :

Modèle 2 :
118.

Modèle 3 :

Modèle 3 sans Bayer AG :


119.

Modèle 3 avec l’intensité de la R&D historique comme variable de contrôle


120.

Annexe 15 :
Hypothèse 4 – sorties R Commander

Modèle 4 :

Modèle 5 :
121.

Modèle 6 :
122.

Annexe 16 :
Hypothèse 5 – sorties R Commander

Modèle 7 :

Modèle 8 :
123.

Modèle 9 :